如何为Seaborn箱线图的每个x标签单独按中位数排序？

Seaborn默认的boxplot没法直接实现每个x分组下的hue类别（比如你的模型）按各自中位数排序，因为hue_order是全局生效的。要实现需求，得先预处理数据计算分组内的中位数排序，再用分面绘图来分别指定每个分组的排序：

步骤1：计算每个x分组下的模型中位数排序 #

假设你的数据框df包含三列：noise_level（x轴标签，如"gaussian 1"）、model（模型名称）、metric（箱线图的数值列）。先计算每个噪声水平下各模型的中位数，再生成对应分组的排序模型列表：

import pandas as pd

# 计算每个噪声水平+模型组合的中位数
median_df = df.groupby(['noise_level', 'model'])['metric'].median().reset_index()
# 按噪声水平分组，对每个组内的模型按中位数降序排序（升序把False改成True）
sorted_model_dict = median_df.groupby('noise_level').apply(
    lambda group: group.sort_values('metric', ascending=False)['model'].tolist()
).to_dict()

步骤2：用FacetGrid分面绘制，每个分组单独指定排序 #

用FacetGrid把每个噪声水平拆成子图，在每个子图里用对应分组的排序模型列表作为hue_order：

import seaborn as sns
import matplotlib.pyplot as plt

# 创建分面网格，每个子图对应一个噪声水平
g = sns.FacetGrid(df, col='noise_level', col_wrap=3, sharex=False, sharey=True)
# 给每个子图绘制箱线图，动态获取当前分组的模型排序
g.map_dataframe(
    sns.boxplot,
    x='noise_level',
    y='metric',
    hue='model',
    hue_order=lambda data: sorted_model_dict[data['noise_level'].iloc[0]]
)
# 添加统一图例
g.add_legend()
plt.tight_layout()
plt.show()

替代方案（不拆分面） #

如果想把所有分组放在同一个图里，可以重新构造数据，给每个模型在对应噪声水平下分配排序后的位置，再用x轴表示noise_level，hue按排序后的模型顺序，但这种方法需要手动调整x轴元素位置，不如分面直观。

内容的提问来源于stack exchange，提问作者luc