如何避免遍历multiple模式时重复执行sns.kdeplot计算？

要解决大型数据集下重复计算的问题，核心是一次性算出每个类别的KDE分布数据，之后针对不同multiple模式直接复用这些数据绘图，避免多次调用kdeplot带来的冗余计算。

具体实现步骤 #

1. 提取每个类别的数据子集，统一计算KDE曲线的x轴取值和对应密度值
2. 针对layer/stack/fill三种模式，分别对密度值做适配处理
3. 用Matplotlib手动绘制不同样式的图表，全程复用预计算好的KDE数据

修改后的代码 #

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

np.random.seed(42)

df = pd.DataFrame({
    'category': np.random.randint(0, 4, size=500),
    'value': np.random.uniform(-10, 10, size=500)
})

def multiplehue_kdeplots(df, val_col, cat_col,
                         mults=['layer', 'stack', 'fill'], leg_idx=None, pal=None,
                         **kwargs):
    # 1. 预计算每个类别的KDE数据
    categories = sorted(df[cat_col].unique())
    pal = pal or sns.color_palette(n_colors=len(categories))
    
    # 统一x轴范围，保证所有KDE曲线用相同的x取值
    all_values = df[val_col].values
    x_min, x_max = all_values.min() - 2, all_values.max() + 2
    x = np.linspace(x_min, x_max, 1000)
    
    kde_data = []
    for cat in categories:
        cat_values = df[df[cat_col] == cat][val_col].values
        kde = gaussian_kde(cat_values)
        y = kde(x)
        kde_data.append({
            'category': cat, 
            'x': x, 
            'y': y, 
            'color': pal[categories.index(cat)]
        })
    
    # 2. 创建子图
    fig, axs = plt.subplots(nrows=len(mults), sharex=True, **kwargs)
    axs = axs if len(mults) > 1 else [axs]
    
    # 3. 按不同模式绘制图表
    for i, mode in enumerate(mults):
        ax = axs[i]
        current_base = np.zeros_like(x)
        
        for data in kde_data:
            if mode == 'layer':
                # 直接绘制单类别曲线与填充
                ax.plot(data['x'], data['y'], color=data['color'])
                ax.fill_between(data['x'], 0, data['y'], color=data['color'], alpha=0.5)
            elif mode == 'stack':
                # 累加密度实现堆叠效果
                ax.plot(data['x'], current_base + data['y'], color=data['color'])
                ax.fill_between(data['x'], current_base, current_base + data['y'], color=data['color'], alpha=0.5)
                current_base += data['y']
            elif mode == 'fill':
                # 填充堆叠区域（无顶部曲线）
                ax.fill_between(data['x'], current_base, current_base + data['y'], color=data['color'], alpha=0.5)
                current_base += data['y']
        
        ax.set_title(mode.title())
        ax.set_ylabel('Density')
        
        # 仅在指定子图添加图例
        if leg_idx == i:
            handles = [plt.Rectangle((0,0),1,1, color=d['color'], alpha=0.5) for d in kde_data]
            ax.legend(handles, [d['category'] for d in kde_data], title=cat_col)
    
    fig.subplots_adjust(hspace=0.3)
    plt.show()

multiplehue_kdeplots(df, 'value', 'category')

关键说明 #

• 性能优化：大型数据集下仅需一次KDE计算，相比原函数的三次计算，时间开销直接降低约2/3
• 模式适配逻辑：
  • layer：独立绘制每个类别的密度曲线，互不叠加
  • stack：累加每个类别的密度值，实现堆叠式的分层效果
  • fill：与stack逻辑一致，仅保留填充区域（如需顶部曲线可自行添加）
• 一致性保障：统一x轴取值范围，确保不同模式下的图表对齐一致

内容的提问来源于stack exchange，提问作者bchate