如何在Seaborn中实现KDE图与Strip图的对齐显示

1. 解决KDE图反转问题 #

KDE图反转的核心原因是组合绘图时错误颠倒了X/Y轴映射，或使用了与单独绘制时不一致的轴参数，不要用bw_adjust=-1这种反向调整带宽的方式，会扭曲真实分布。

正确做法是保持KDE的轴方向与Strip图一致，为每个分类绘制KDE并对齐到Strip图对应Y轴位置：

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import gaussian_kde

df = sns.load_dataset("tips")
cat_col = "day"    # 分类列
num_col = "total_bill"  # 数值列
hue_col = "sex"    # 分组列

fig, ax = plt.subplots(figsize=(8, 4))

# 绘制Strip图，dodge让不同hue的点错开
sns.stripplot(data=df, x=num_col, y=cat_col, hue=hue_col, ax=ax, dodge=True, zorder=1)

# 获取分类在Y轴的位置映射
cat_pos_dict = {label.get_text(): pos for label, pos in zip(ax.get_yticklabels(), ax.get_yticks())}
hue_colors = dict(zip(df[hue_col].unique(), sns.color_palette("husl", 2)))
kde_scale = 0.3  # 控制KDE曲线高度

# 为每个分类+hue组合绘制KDE
for hue_val in df[hue_col].unique():
    for cat_val, y_pos in cat_pos_dict.items():
        subset = df[(df[cat_col]==cat_val) & (df[hue_col]==hue_val)][num_col]
        if len(subset) < 2:
            continue
        # 计算KDE并缩放偏移到对应Y位置
        kde = gaussian_kde(subset)
        x_vals = np.linspace(df[num_col].min(), df[num_col].max(), 200)
        y_vals_scaled = kde(x_vals) * kde_scale + y_pos
        # 错开hue对应的KDE位置（匹配strip的dodge）
        offset = 0.1 if hue_val == "Male" else -0.1
        ax.plot(x_vals, y_vals_scaled + offset, color=hue_colors[hue_val])

ax.legend(title=hue_col)
plt.tight_layout()
plt.show()

2. 解决Y轴缩放适配问题 #

• 通过kde_scale参数控制KDE曲线高度：曲线过高就调小（如0.2），过低就调大（如0.4）；
• 配合dodge=True和手动偏移（offset变量）让不同hue的KDE与Strip点一一对应，避免重叠；
• 用zorder=1确保Strip数据点显示在KDE曲线上方，不会被遮挡。

关键注意事项 #

• 始终保持KDE与Strip图的轴方向一致：Strip图X为数值、Y为分类时，KDE的X必须对应数值列，不要切换为Y轴；
• 禁止使用负的带宽调整参数，会完全扭曲数据分布的真实形态；
• 如果不想手动计算KDE，可临时创建隐藏轴绘制KDE后，将曲线坐标转换到主轴对应位置。

内容的提问来源于stack exchange，提问作者Elie