如何在Seaborn点图中截断Y轴以展示不同尺度的数据

嘿，我完全懂你现在的困扰——那条VC的蓝线数值太高，直接把其他线条的细节都压没了，根本没法看清它们的变化规律。别发愁，咱们可以通过截断Y轴的方式来解决这个问题，把Y轴拆成上下两个部分：一个用来放大展示低数值区域（其他线条的部分），另一个用来保留高数值区域（VC线的上部），这样两边的趋势都能看得清清楚楚。

下面给你一步步演示具体的实现方法：

1. 准备工作 #

首先确保你已经导入了需要的库：

import matplotlib.pyplot as plt
import seaborn as sns

2. 创建截断式的子图布局 #

我们用gridspec来创建上下两个子图，给上部子图（放高数值）设置更小的高度比例，让整体看起来更协调：

# 设置画布大小，创建子图布局
fig = plt.figure(figsize=(10, 6))
# 2行1列的布局，上部高度占1份，下部占3份，间距设小一点让它们连起来
gs = fig.add_gridspec(2, 1, height_ratios=[1, 3], hspace=0.05)

# 初始化上下两个子图
ax_top = fig.add_subplot(gs[0])  # 上部：展示VC线的高数值部分（>10000）
ax_bottom = fig.add_subplot(gs[1])  # 下部：放大展示其他线条的低数值部分（0-5000）

3. 在两个子图分别绘制点图 #

分别给两个子图设置对应的Y轴范围，这样就能精准展示各自的区域：

# 绘制上部子图，锁定Y轴范围到10000到数据最大值
sns.pointplot(ax=ax_top, data=Dataframe, x="Month", y="CovDist", hue='Tag')
ax_top.set_ylim(10000, Dataframe['CovDist'].max())
# 隐藏上部子图的X轴标签和刻度，避免重复显示
ax_top.set_xlabel('')
ax_top.set_xticklabels([])

# 绘制下部子图，锁定Y轴范围到0-5000
sns.pointplot(ax=ax_bottom, data=Dataframe, x="Month", y="CovDist", hue='Tag')
ax_bottom.set_ylim(0, 5000)

4. 添加截断标记（优化视觉效果） #

为了让读者一眼看出Y轴是截断的，我们在两个子图的连接处加上斜线标记：

d = .015  # 控制斜线的长度和角度
kwargs = dict(transform=ax_top.transAxes, color='black', clip_on=False)
# 上部子图的底部斜线
ax_top.plot((-d, +d), (-d, +d), **kwargs)
ax_top.plot((1 - d, 1 + d), (-d, +d), **kwargs)

# 转换到下部子图的坐标系，绘制顶部斜线
kwargs.update(transform=ax_bottom.transAxes)
ax_bottom.plot((-d, +d), (1 - d, 1 + d), **kwargs)
ax_bottom.plot((1 - d, 1 + d), (1 - d, 1 + d), **kwargs)

5. 优化图例（可选） #

因为两个子图都绘制了hue，图例会重复，我们可以去掉上部的图例，把下部的图例调整到合适位置：

# 移除上部子图的图例
ax_top.legend_.remove()
# 把下部子图的图例移到右上角（你可以根据需求调整位置）
ax_bottom.legend(loc='upper right')

最后执行plt.show()就能看到效果啦！这样既保留了VC线的高数值趋势，又能清晰观察到其他线条的细节变化，完美解决了你的问题。

备注：内容来源于stack exchange，提问作者toms