如何用Seaborn实现同类别并排小提琴图？解决叠加与子图分离问题

你当前的代码生成了两个独立子图，无法直接对比同一元素类型下的两种分数。要实现同一x轴（元素类型）下，每个类别旁并排显示两种分数的小提琴图，核心是把数据转换成「长格式」，让Seaborn能自动分组绘制。

修改后的代码： #

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 将宽格式数据转换为长格式，适配Seaborn分组逻辑
melted_df = pd.melt(
    df,
    id_vars=['main_category'],
    value_vars=['avg_phast_score', 'control_score'],
    var_name='Score Type',
    value_name='Score'
)

# 创建单个子图，绘制并排小提琴图
plt.figure(figsize=(12, 6))
sns.violinplot(
    x='main_category',
    y='Score',
    hue='Score Type',
    data=melted_df,
    split=False,  # 保持两个小提琴独立并排，不合并
    inner='quartile'  # 显示四分位数，提升数据可读性
)

# 调整图表细节
plt.title('Element Type vs Average Phast Score (vs Control)')
plt.xlabel('Element Type')
plt.ylabel('Average Phast Score')
plt.ylim([-0.1, 0.2])
plt.xticks(rotation=90)
plt.legend(title='Score Category')
plt.tight_layout()
plt.show()

关键改动说明： #

• 数据格式转换：用pd.melt把原数据中两个独立的分数列（avg_phast_score、control_score）合并为一列，新增标记列区分分数类型，让Seaborn能识别分组维度。
• 单图分组绘制：在同一个子图中，通过hue参数指定分数类型，Seaborn会自动在每个main_category下并排绘制对应两种分数的小提琴图，实现直接对比。
• 样式优化：设置split=False确保两个小提琴独立显示，添加图例明确区分分数类别，统一坐标轴范围让对比更直观。

如果仍需保留双列子图形式，可同步两个子图的x轴刻度与位置，但上述长格式单图方案更适配同组对比的需求。

内容的提问来源于stack exchange，提问作者youtube