如何用for循环绘制4×5布局的seaborn直方图（无需转DataFrame）

希望通过for循环绘制4行5列布局的Seaborn直方图，但当前代码生成独立子图而非合并成一张图。使用make_classification生成数据集，尝试用Matplotlib的subplots和subplot设置布局，但调用sns.displot后子图独立显示。能正常绘制非Seaborn直方图，询问是否无需将数据转换为Pandas DataFrame即可实现合并布局。

原代码：

from sklearn.datasets import make_classification
import seaborn as sns
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

X_train,y_train = make_classification(n_samples=500, 
                          n_features=20, 
                          n_informative=9, 
                          n_redundant=0, 
                          n_repeated=0, 
                          n_classes=10, 
                          n_clusters_per_class=1,
                          class_sep=9,
                          flip_y=0.2,
                          #weights=[0.5,0.5], 
                          random_state=17)

sns.set_style('darkgrid')

coeff_to_analyze = np.arange(0,20,1)

rows = 4
cols = 5
N_BINS = 60

fig, axes = plt.subplots(rows, cols, figsize=(45,12))

for i in coeff_to_analyze:
    ax = plt.subplot(rows, cols, i+1)
    sns.displot(X_train[i, :], bins=60, kde=True)
    ax.set_title(f'Coefficient {i}')
    fig.tight_layout()
      
plt.savefig(f'Histogram_test.pdf', bbox_inches='tight')
plt.show()

1. sns.displot是Figure级别的绘图函数，每次调用都会自动创建新的Figure对象，不会复用提前创建的子图axes，这是子图独立显示的核心原因。
2. 代码同时使用plt.subplots创建axes数组，又用plt.subplot重新获取子图，属于重复操作，逻辑混乱。
3. 原代码中X_train[i, :]取的是第i行数据，实际应该取第i列（对应第i个特征），属于逻辑错误。

改用Seaborn的Axes级别函数sns.histplot，直接指定要绘制的目标子图ax参数，复用提前创建的布局即可。修正后的代码如下：

from sklearn.datasets import make_classification
import seaborn as sns
import numpy as np
from matplotlib import pyplot as plt

X_train,y_train = make_classification(n_samples=500, 
                          n_features=20, 
                          n_informative=9, 
                          n_redundant=0, 
                          n_repeated=0, 
                          n_classes=10, 
                          n_clusters_per_class=1,
                          class_sep=9,
                          flip_y=0.2,
                          #weights=[0.5,0.5], 
                          random_state=17)

sns.set_style('darkgrid')

coeff_to_analyze = np.arange(0,20,1)

rows = 4
cols = 5
N_BINS = 60

# 创建4行5列的子图布局，获取axes数组
fig, axes = plt.subplots(rows, cols, figsize=(45,12))

# 遍历每个特征和对应的子图
for idx, i in enumerate(coeff_to_analyze):
    # 计算当前子图在布局中的行和列索引
    row = idx // cols
    col = idx % cols
    ax = axes[row, col]
    # 使用sns.histplot，指定ax参数绘制到目标子图
    sns.histplot(X_train[:, i], bins=60, kde=True, ax=ax)
    ax.set_title(f'Coefficient {i}')
    # 可选：调整x轴标签字号，避免重叠
    ax.tick_params(axis='x', labelsize=8)

fig.tight_layout()
plt.savefig(f'Histogram_test.pdf', bbox_inches='tight')
plt.show()

• sns.histplot是Axes级函数，支持通过ax参数指定绘制的目标子图，不会创建新的Figure。
• 遍历过程中通过索引计算子图的行、列位置，直接从axes数组中获取对应的子图对象。
• 修正了原代码中特征索引的错误，改为X_train[:, i]获取第i个特征的所有样本数据。

内容的提问来源于stack exchange，提问作者Joe