优化多层级数据分布可视化：实现KDE曲线面积归一化

你遇到的核心问题是不同层级数据量差异大，默认KDE图采用全局归一化导致各曲线面积不一致。只需修改一个参数就能实现每条曲线独立归一化（面积为1）且不改变分布形态：

修改后的代码 #

import seaborn as sns
import matplotlib.pyplot as plt

sns.displot(
    data=data_vert,
    x='dev_median_qty',
    hue='level',
    kind='kde',
    fill=True,
    palette=sns.color_palette('bright')[:5],
    height=5,
    aspect=2.5,
    common_norm=False  # 关键：关闭全局归一化，每条曲线独立归一化到面积1
)
plt.xlim(-5, 25)
plt.show()

参数说明 #

• common_norm=False：这是实现需求的核心参数。默认common_norm=True会将所有hue分组的KDE曲线归一化到同一全局尺度（总面积为1），改为False后，每个分组的曲线会单独计算密度，确保每条曲线下的面积均为1，完全保留原始分布形态的同时，让不同层级的曲线更具可比性。
• 其余参数保持原有设置，保证图表的配色、尺寸和填充样式与之前一致。

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