如何在对数直方图的X轴显示原始数值而非对数值

需求与效果对比 #

• 目标效果：
  
  图表呈现数据的对数分布，但X轴刻度按对应间距显示原始数据值。

• 当前效果：
  
  这是使用基础代码生成的图表，未满足刻度需求。

当前基础代码 #

sns.histplot(data=df, x="MPG",log_scale=True)

解决方案 #

直接使用log_scale=True会让刻度显示对数转换后的值，要实现自动用原始数据做刻度，需手动处理对数转换和轴刻度：

方法1：基于分位数自动生成刻度（适合连续数据）

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 提取目标列数据，去除缺失值
mpg_data = df["MPG"].dropna()
# 对数据做对数转换（以10为底，可根据需求换自然对数np.log）
log_mpg = np.log10(mpg_data)

# 绘制对数分布的直方图
sns.histplot(x=log_mpg)

# 从原始数据中按分位数自动提取刻度值，可调整分位数比例
ticks_raw = np.percentile(mpg_data, [10, 25, 50, 75, 90])
# 计算原始值对应的对数位置
ticks_log = np.log10(ticks_raw)

# 设置X轴：刻度位置为对数转换后的坐标，标签显示原始数据值
plt.xticks(ticks=ticks_log, labels=[f"{val:.1f}" for val in ticks_raw])
plt.xlabel("MPG")
plt.show()

方法2：基于原始数据唯一值生成刻度（适合离散/稀疏数据）

如果数据是离散或值数量不多，可直接从原始数据的唯一值中间隔选取刻度：

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

mpg_data = df["MPG"].dropna()
log_mpg = np.log10(mpg_data)

sns.histplot(x=log_mpg)

# 提取排序后的原始数据唯一值
sorted_unique = sorted(mpg_data.unique())
# 间隔选取刻度，避免过于密集（这里每5个取1个，可调整step值）
step = max(1, len(sorted_unique) // 5)
ticks_raw = sorted_unique[::step]
ticks_log = np.log10(ticks_raw)

plt.xticks(ticks=ticks_log, labels=ticks_raw)
plt.xlabel("MPG")
plt.show()

说明 #

两种方法都无需手动指定刻度值，完全从原始数据中自动提取，同时保证图表呈现对数分布的形态。

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