如何在Python中绘制带X-Y轴分布曲线的线性回归图

直接上可运行的代码，用matplotlib做布局，seaborn画分布曲线，sklearn做线性回归：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LinearRegression

# 生成模拟数据
np.random.seed(42)
x = np.random.rand(100) * 10
y = 2 * x + np.random.randn(100) * 2

# 拟合线性回归模型
X = x.reshape(-1, 1)
model = LinearRegression()
model.fit(X, y)
y_pred = model.predict(X)

# 创建布局：主图+上方X分布+右侧Y分布
fig = plt.figure(figsize=(10, 8))

# 主图：散点+回归线
ax_main = fig.add_axes([0.1, 0.1, 0.6, 0.6])
ax_main.scatter(x, y, alpha=0.6, label='原始数据')
ax_main.plot(x, y_pred, color='red', linewidth=2, label=f'回归线: y={model.coef_[0]:.2f}x + {model.intercept_:.2f}')
ax_main.set_xlabel('X轴')
ax_main.set_ylabel('Y轴')
ax_main.legend()
ax_main.grid(alpha=0.3)

# 上方X轴分布曲线
ax_x_dist = fig.add_axes([0.1, 0.75, 0.6, 0.2])
sns.kdeplot(x, ax=ax_x_dist, fill=True, color='blue')
sns.histplot(x, ax=ax_x_dist, kde=False, color='blue', alpha=0.3)
ax_x_dist.set_xlim(ax_main.get_xlim())
ax_x_dist.set_xticks([])
ax_x_dist.set_yticks([])
ax_x_dist.set_ylabel('')

# 右侧Y轴分布曲线
ax_y_dist = fig.add_axes([0.75, 0.1, 0.2, 0.6])
sns.kdeplot(y, ax=ax_y_dist, fill=True, color='green', vertical=True)
sns.histplot(y, ax=ax_y_dist, kde=False, color='green', alpha=0.3, orientation='horizontal')
ax_y_dist.set_ylim(ax_main.get_ylim())
ax_y_dist.set_xticks([])
ax_y_dist.set_yticks([])
ax_y_dist.set_xlabel('')

plt.show()

关键说明 #

• 用fig.add_axes()手动控制子图位置，确保主图、顶部分布、右侧分布的布局对齐
• 顶部分布用水平的KDE+直方图，右侧用垂直方向的（通过vertical=True/orientation='horizontal'实现）
• 同步分布子图和主图的轴范围，保证数据对齐
• 隐藏分布子图的刻度，避免视觉干扰

如果你的数据是真实数据集，只需要替换x和y的数据源即可，逻辑完全通用。

内容的提问来源于stack exchange，提问作者jankma15