如何使用Seaborn绘制以点替代条形的histplot直方图？

因为sns.histplot的element参数确实不支持点样式，你可以先统计每个变量的频率分布，再用散点图来实现需求：

步骤说明 #

• 统计每个数据列的频数/频率，并按x值排序（保证二项分布的整数x按顺序排列）
• 将宽格式数据转换为长格式，方便seaborn分组绘图
• 使用散点图绘制每个x值对应的频率点

完整代码 #

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import binom

# 生成数据
x_n10_p0_6 = binom.rvs(n=10, p=0.6, size=10000, random_state=0)
x_n10_p0_8 = binom.rvs(n=10, p=0.8, size=10000, random_state=0)
x_n20_p0_8 = binom.rvs(n=20, p=0.6, size=10000, random_state=0)

df = pd.DataFrame({
    'n=10, p=0.6': x_n10_p0_6, 
    'n=10, p=0.8': x_n10_p0_8, 
    'n=20, p=0.6': x_n20_p0_8
})

# 统计每个系列的频率分布并整理成长表
plot_data = []
for col in df.columns:
    # 计算频数并归一化得到频率，按x值排序
    freq = df[col].value_counts(normalize=True).sort_index().reset_index()
    freq.columns = ['x', 'frequency']
    freq['series'] = col
    plot_data.append(freq)
plot_df = pd.concat(plot_data)

# 绘制点式分布图
sns.set_style("whitegrid")
plt.figure(figsize=(10, 6))
sns.scatterplot(data=plot_df, x='x', y='frequency', hue='series', style='series', s=100)

# 添加标题和标签
plt.title('二项分布频率分布（点式展示）')
plt.xlabel('随机变量X')
plt.ylabel('频率')
plt.legend(title='分布参数')
plt.show()

代码解释 #

• value_counts(normalize=True)：计算每个x值的相对频率（近似概率）
• sort_index()：保证x值按从小到大的顺序排列，符合二项分布的直观展示
• 转换为长表后，用hue和style区分不同的二项分布系列，让点的颜色和形状都有差异，更易区分
• s=100：调整点的大小，让展示更清晰

内容的提问来源于stack exchange，提问作者Chris Snow