如何为2D直方图中每个离散时间值设置独立Y轴分箱并绘图

核心思路 #

seaborn.histplot的全局分箱参数无法针对单个离散x值（即每个t）单独配置Y轴分箱宽度，因此可以通过两种方式实现需求：同一坐标轴手动绘制分组直方图，或子图形式独立配置每个t的分箱。

方法一：同一坐标轴手动绘制（Matplotlib） #

直接基于Matplotlib为每个t分组计算自定义分箱，再将各组直方图对齐到x轴的对应离散位置，保持x轴宽度统一。

示例代码

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 构造示例数据（替换为你的真实数据）
np.random.seed(42)
data = pd.DataFrame({
    't': np.repeat([0, 1, 2], 200),
    'value': np.concatenate([
        np.random.normal(5, 0.5, 200),  # t=0：小范围数据，适合0.3分箱
        np.random.normal(50, 8, 200),   # t=1：大范围数据，适合10分箱
        np.random.normal(100, 3, 200)   # t=2：中等范围数据，适合1分箱
    ])
})

# 定义每个t对应的Y轴分箱宽度
bin_widths = {0: 0.3, 1: 10, 2: 1}
x_width = 0.8  # x轴每个t的分箱宽度统一

plt.figure(figsize=(10, 6))
for t in sorted(data['t'].unique()):
    # 提取当前t的value数据
    subset = data[data['t'] == t]['value']
    # 根据自定义分箱宽度生成分箱边界
    min_val = subset.min()
    max_val = subset.max()
    bins = np.arange(min_val - bin_widths[t]/2, max_val + bin_widths[t]/2, bin_widths[t])
    # 计算直方图计数与分箱区间
    counts, edges = np.histogram(subset, bins=bins)
    # 计算分箱中点，用于条形图的Y轴位置
    y_centers = (edges[:-1] + edges[1:]) / 2
    # 绘制横向条形图，对齐到x轴的t位置
    plt.barh(y_centers, counts, height=bin_widths[t], 
             left=t - x_width/2, right=t + x_width/2, 
             alpha=0.7, label=f't={t}')

plt.xlabel('计数')
plt.ylabel('value')
plt.legend(title='时间t')
plt.title('每个t独立设置分箱宽度的直方图')
plt.tight_layout()
plt.show()

方法二：子图形式独立配置（Seaborn FacetGrid） #

如果可以接受子图布局，用Seaborn的FacetGrid为每个t生成独立子图，在每个子图中单独设置分箱宽度，实现更简洁。

示例代码

import seaborn as sns

# 基于FacetGrid创建子图，关闭Y轴共享以支持独立分箱
g = sns.FacetGrid(data, col='t', col_wrap=3, sharey=False)

# 为每个子图配置对应t的分箱宽度
for ax, t in zip(g.axes, sorted(data['t'].unique())):
    subset = data[data['t'] == t]['value']
    bins = np.arange(subset.min() - bin_widths[t]/2, subset.max() + bin_widths[t]/2, bin_widths[t])
    sns.histplot(subset, bins=bins, ax=ax)
    ax.set_title(f't={t}\n分箱宽度={bin_widths[t]}')
    ax.set_xlabel('value')
    ax.set_ylabel('计数')

plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Schach21