如何在Python条形图的对应条形上正确添加基准标记线？

我想在Python中绘制横向条形图，为每个类别对应的条形添加仅覆盖条形宽度的基准值标记线（而非贯穿整个图表）。使用axvline尝试时，线条位置不符合预期：

当前错误效果：

预期效果（每个类别条形上有对应基准线）：

由于需要绘制40+张图表，硬编码调试效率极低，寻求正确实现方法或替代方案。

当前代码：

import seaborn as sns
import matplotlib.pyplot as plt

# 创建示例数据
data = {'x': ['A', 'B', 'C', 'D'],
        'y': [10, 5, 8, 12]}

# 绘制条形图
ax = sns.barplot(y='x', x='y', data=data, color='blue', width=0.4, orient='h')

# 添加目标基准线
targets = {'B': 6}
for x, target_value in targets.items():
    ax.axvline(x=target_value, color='red', linestyle='--', linewidth=1, ymin=data['x'].index(x)-0.15, ymax=data['x'].index(x)+0.15)
    print(target_value,data['x'].index(x))
# 显示图表
plt.show()

问题出在axvline的ymin和ymax参数——这两个参数接受的是归一化坐标（范围0到1，0对应图表底部，1对应顶部），直接使用类别索引加减数值会导致位置完全错误。

正确的实现方式是获取每个条形的实际y轴位置，结合条形宽度计算归一化的上下边界，无需硬编码索引：

import seaborn as sns
import matplotlib.pyplot as plt

# 创建示例数据
data = {'x': ['A', 'B', 'C', 'D'],
        'y': [10, 5, 8, 12]}

# 绘制条形图
ax = sns.barplot(y='x', x='y', data=data, color='blue', width=0.4, orient='h')

# 获取y轴刻度位置，建立类别到坐标的映射
y_tick_positions = ax.get_yticks()
category_to_ypos = dict(zip(data['x'], y_tick_positions))

# 添加目标基准线
targets = {'B': 6, 'D': 10}
bar_width = 0.4  # 与barplot的width参数保持一致
for category, target_value in targets.items():
    y_pos = category_to_ypos[category]
    # 计算归一化的条形上下边缘
    ymin_norm = (y_pos - bar_width/2) / ax.get_ylim()[1]
    ymax_norm = (y_pos + bar_width/2) / ax.get_ylim()[1]
    ax.axvline(x=target_value, color='red', linestyle='--', linewidth=1, ymin=ymin_norm, ymax=ymax_norm)

# 显示图表
plt.show()

核心说明： #

• 动态获取条形位置：通过ax.get_yticks()拿到每个类别的实际y轴坐标，建立映射关系，避免硬编码索引。
• 归一化边界计算：根据条形宽度计算出条形的上下边缘，再除以y轴最大值得到符合axvline要求的归一化坐标。
• 高扩展性：该方法无需手动调整参数，适合批量生成大量图表的场景。

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