如何在同一画布基于迭代累积数据绘制多个boxen图

不需要多次调用绘图接口叠加不同长度的数据集，只需要提前构造带明确x轴坐标的绘图数据集，即可一次性完成绘制，步骤如下：

• 遍历所有id，分别提取两类数据：当前id对应的独立value集合、id从0到当前id的累积value集合
• 给两类数据绑定预设的x轴坐标：独立分布放在整数x位置（和id值相等），累积分布放在对应id值+0.5的x位置
• 调用seaborn.boxenplot时传入数值型x坐标列，通过hue区分两类分布，调整箱宽避免重叠，最后自定义x轴刻度对齐每个独立分布的位置即可

完整可运行代码：

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

# 构造示例数据
df = pd.DataFrame(columns=['id', 'value'])
for id_val in range(5):
    df = pd.concat([
        df, 
        pd.DataFrame({'id': [id_val]*10, 'value':np.random.rand(10)})
    ]).reset_index(drop=True)

# 构造绘图数据集
plot_data = []
all_ids = sorted(df['id'].unique())
for curr_id in all_ids:
    # 1. 当前id的独立分布，x位置为curr_id
    single_data = df[df['id'] == curr_id][['value']].copy()
    single_data['x_pos'] = curr_id
    single_data['dist_type'] = '单id分布'
    plot_data.append(single_data)
    
    # 2. 从id=0到curr_id的累积分布，x位置为curr_id + 0.5
    cum_data = df[df['id'] <= curr_id][['value']].copy()
    cum_data['x_pos'] = curr_id + 0.5
    cum_data['dist_type'] = '累积分布'
    plot_data.append(cum_data)

plot_df = pd.concat(plot_data).reset_index(drop=True)

# 绘图
plt.figure(figsize=(12, 6))
sns.boxenplot(
    x='x_pos', 
    y='value', 
    hue='dist_type',
    data=plot_df, 
    width=0.4,
    palette={'单id分布': '#1f77b4', '累积分布': '#ff7f0e'}
)

# 调整x轴刻度，对齐单id分布的位置
plt.xticks(ticks=all_ids, labels=[f'id={i}' for i in all_ids])
plt.xlabel('id')
plt.legend(title='分布类型')
plt.tight_layout()
plt.show()

效果说明 #

• id=0对应的x=0、x=0.5位置均为id=0的value分布，完全一致
• id=1对应的x=1位置为id=1独立分布，x=1.5位置为id0+id1的累积分布
• 后续id均按规则排布，两类分布左右相邻无重叠，可直观对比单id分布和截至当前id的累积分布差异

内容的提问来源于stack exchange，提问作者Esi