Seaborn 2D KDE绘图在VS Code Jupyter Notebook中y轴缩放异常求助

可能原因与修复方案 #

1. 数据分布问题（最可能） #

你的sat_norm数据大概率存在极端值、高度偏态，或者与shear的数据范围差异过大。2D KDE的计算逻辑（核密度估计的带宽、归一化方式）和1D KDE不同，会放大这类数据的轴缩放问题。

• 先排查数据特征：

  # 查看统计量和分位数，定位极端值
  print(df['sat_norm'].describe())
  print(df['sat_norm'].quantile([0.01, 0.99]))
  

• 预处理数据后重试：
  可以截断极端值，或者做数据转换：

  # 截断98%置信区间外的极端值
  q_low, q_high = df['sat_norm'].quantile([0.01, 0.99])
  df_filtered = df[(df['sat_norm'] >= q_low) & (df['sat_norm'] <= q_high)]
  
  # 用处理后的数据绘图
  sns.jointplot(data=df_filtered, x='shear', y='sat_norm', kind='kde')
  

  如果数据非负，也可以尝试对数转换：

  df['sat_norm_log'] = np.log1p(df['sat_norm'])
  sns.jointplot(data=df, x='shear', y='sat_norm_log', kind='kde')
  

2. 手动修正轴范围或KDE参数 #

• 强制匹配1D KDE的y轴范围：

  # 先画1D KDE获取正常范围
  ax_1d = sns.kdeplot(data=df, x='sat_norm')
  y_min, y_max = ax_1d.get_ylim()
  plt.close(ax_1d.figure)  # 关闭临时的1D图
  
  # 绘制2D KDE并设置y轴范围
  g = sns.jointplot(data=df, x='shear', y='sat_norm', kind='kde')
  g.ax_joint.set_ylim(y_min, y_max)
  

• 调整KDE带宽参数：
  不合适的带宽会导致分布变形，尝试调整bw_adjust：

  sns.jointplot(data=df, x='shear', y='sat_norm', kind='kde', bw_adjust=0.5)
  

3. 检查环境依赖版本 #

最新版Seaborn可能和Matplotlib/Numpy版本不兼容，导致渲染异常：

• 查看当前版本：

  import seaborn as sns
  import matplotlib.pyplot as plt
  import numpy as np
  print("Seaborn:", sns.__version__)
  print("Matplotlib:", plt.__version__)
  print("Numpy:", np.__version__)
  

• 更新依赖：

  pip install --upgrade seaborn matplotlib numpy
  

内容的提问来源于stack exchange，提问作者dwilliams