如何为Seaborn/Matplotlib子图网格的countplot设置自定义Y轴范围

在机器学习项目的探索性数据分析（EDA）中，我使用Seaborn绘制了一组countplot子图网格。由于Y轴从0开始且样本量较大，每个子图中柱子的高度差异几乎无法分辨，我希望为每个子图设置基于其数据最大值和最小值上下范围的Y轴区间。

我知道Seaborn基于Matplotlib开发，尝试在每个countplot函数后使用plt.ylim(a, b)或ax.set(ylim=(a, b))，但仅修改了右下角的子图（SubtitlesEnabled）。恳请帮助我了解如何在自定义的绘图函数中为每个子图应用该设置。

原代码如下：

# Figure dimensions
fig, axes = plt.subplots(5, 2, figsize = (18, 18))

# List of categorical features column names
categorical_features_list = list(categorical_features)

# Countplot function
def make_countplot():
    i = 0
    for n in range(0,5):
        m = 0
        sns.countplot(ax = axes[n, m], x = categorical_features_list[i], data = train_df, color = 'blue',
                      order = train_df[categorical_features_list[i]].value_counts().index);
        m += 1
        sns.countplot(ax = axes[n, m], x = categorical_features_list[i+1], data = train_df, color = 'blue', 
                      order = train_df[categorical_features_list[i+1]].value_counts().index);
        m -= 1
        i += 2
        
make_countplot()

问题出在你没有针对每个子图的Axes对象单独设置Y轴范围，之前的写法只会作用于最后一个被操作的Axes实例。我们可以修改绘图函数，在绘制每个countplot后，基于当前子图的统计数据计算并设置Y轴范围：

修改后的代码：

import matplotlib.pyplot as plt
import seaborn as sns

# Figure dimensions
fig, axes = plt.subplots(5, 2, figsize=(18, 18))

# List of categorical features column names
categorical_features_list = list(categorical_features)

# Countplot function
def make_countplot():
    i = 0
    for n in range(5):
        for m in range(2):
            # 获取当前要绘制的特征
            current_feature = categorical_features_list[i]
            # 获取当前子图的Axes对象
            ax = axes[n, m]
            
            # 绘制countplot
            sns.countplot(ax=ax, x=current_feature, data=train_df, color='blue',
                          order=train_df[current_feature].value_counts().index)
            
            # 获取当前特征的计数统计值
            count_values = train_df[current_feature].value_counts().values
            min_count = count_values.min()
            max_count = count_values.max()
            
            # 设置Y轴范围：添加5%的缓冲空间，避免柱子顶到子图边缘
            buffer = max_count * 0.05
            ax.set_ylim(min_count - buffer, max_count + buffer)
            
            i += 1

make_countplot()
# 自动调整子图间距，避免标签重叠
plt.tight_layout()

关键说明 #

• 明确获取每个子图的ax对象，所有Y轴设置都基于该对象操作，确保作用到对应子图
• 通过train_df[current_feature].value_counts().values提取当前特征的所有计数，计算最大、最小值
• 加入缓冲值是为了优化可视化效果，避免柱子紧贴子图边缘，缓冲比例可根据你的数据调整（比如改成10%的buffer = max_count * 0.1）
• 如果需要让Y轴从最小值下方一点开始（比如最小值的90%），可以修改ax.set_ylim的参数，例如ax.set_ylim(min_count * 0.9, max_count * 1.05)

内容的提问来源于stack exchange，提问作者Noah J