非开发人员技术求助：使用Seaborn结合循环绘制Distplot时偏度(Skew)文本框消失问题

看起来你遇到的问题主要来自几个代码逻辑和变量使用的小问题，咱们一步步来修复：

核心问题分析 #

1. 变量名冲突：你用了skew作为存储偏度值的变量，这直接覆盖了scipy.stats导入的skew函数，后续循环里再调用skew()就会出错。
2. props定义位置错误：props字典定义在循环之后，第一次循环执行ax.text()的时候这个变量还不存在，会直接抛出NameError。
3. 单Axes重复绘图：你只创建了一个Axes对象，每次循环都在同一个Axes上绘制新的distplot，会覆盖之前的内容，包括文本框。
4. 偏度值处理不当：当进入except分支转换整数后，pd.DataFrame.skew()返回的是一个Series，不是标量，直接格式化会出问题。
5. 标题/标签设置在循环外：最后只会显示最后一列的标题和标签，前面的都被覆盖了。

修正后的代码 #

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import skew

# 提前定义文本框样式，避免NameError
props = dict(boxstyle='round', facecolor='wheat', alpha=0.5)

# 根据列数创建子图网格，可根据需求调整nrows/ncols的布局
num_cols = len(dataset.columns)
fig, axes = plt.subplots(nrows=1, ncols=num_cols, figsize=(5*num_cols, 5))

# 循环每个列和对应的Axes
for idx, col in enumerate(dataset.columns):
    ax = axes[idx] if num_cols > 1 else axes  # 兼容单列数据的情况
    col_data = dataset[col]
    
    # 计算偏度，用skew_val避免覆盖原函数
    try:
        skew_val = skew(col_data)
    except TypeError:
        # 转换为整数后计算偏度，提取标量值
        int_data = col_data.values.astype(int)
        skew_val = pd.Series(int_data).skew()
    
    # 绘制distplot并指定当前子图
    sns.distplot(col_data, hist_kws=dict(edgecolor="black", linewidth=1), bins=33, ax=ax)
    
    # 添加偏度文本框，绘图后添加避免被覆盖
    textstr = 'Skew: %.2f' % (skew_val, )
    ax.text(0.05, 0.95, textstr, transform=ax.transAxes, fontsize=14, 
            verticalalignment='top', bbox=props)
    
    # 为当前子图设置独立的标题和标签
    ax.set_title(f"Histogram \"{col}\"", fontsize=18)
    ax.set_xlabel(f"Werte von \"{col}\"", fontsize=16)
    ax.set_ylabel('Dichte', fontsize=16)

plt.tight_layout()  # 自动调整子图间距，避免元素重叠
plt.show()

关键修改说明 #

• 避免变量名冲突：把存储偏度的变量改成skew_val，不再覆盖scipy.stats.skew函数。
• 提前定义props：把文本框样式字典移到循环之前，确保第一次循环就能正常使用。
• 多子图布局：根据数据集的列数创建对应的Axes对象，每个列对应一个独立的子图，不会互相覆盖。
• 正确处理偏度值：在except分支中，把转换后的整数数据转为Series再计算偏度，确保得到的是标量值。
• 子图元素独立设置：每个子图的标题、坐标轴标签和文本框都在循环内设置，保证每个子图都有自己的信息。
• 绘图顺序调整：先绘制distplot再添加文本框，避免文本框被图形覆盖。

内容的提问来源于stack exchange，提问作者AkademiLegi