Python Matplotlib subplots垂直线添加图例及x轴刻度设置

修复后可直接运行的完整代码 #

import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.ticker import MultipleLocator

def plott(data, tick_interval=2):
    fig, axes = plt.subplots(3, sharex=True, figsize=(15, 15),gridspec_kw={"height_ratios": (1, 0.2, 0.6)})
    fig.suptitle('Spread of Data for ' + data.name, fontsize=20, fontweight='bold')
    
    sns.histplot(data, kde=True, binwidth=1, ax=axes[0])
    sns.boxplot(x=data, orient='h', ax=axes[1])
    sns.violinplot(x=data, ax=axes[2])
    
    axes[0].set_xlabel('')
    axes[1].set_xlabel('')
    axes[2].set_xlabel('')

    # 仅给第一组参考线加标签，避免图例重复
    axes[0].axvline(data.mean(), color='r', linewidth=2, linestyle='solid', label='均值')
    axes[0].axvline(data.median(), color='r', linewidth=2, linestyle='dashed', label='中位数')
    axes[0].axvline(data.mode()[0], color='r', linewidth=2, linestyle='dotted', label='众数')
    # 其余子图参考线不需要加标签
    axes[1].axvline(data.mean(), color='r', linewidth=2, linestyle='solid')
    axes[1].axvline(data.median(), color='r', linewidth=2, linestyle='dashed')
    axes[1].axvline(data.mode()[0], color='r', linewidth=2, linestyle='dotted')
    axes[2].axvline(data.mean(), color='r', linewidth=2, linestyle='solid')
    axes[2].axvline(data.median(), color='r', linewidth=2, linestyle='dashed')
    axes[2].axvline(data.mode()[0], color='r', linewidth=2, linestyle='dotted')
    
    # 共享x轴场景下仅需设置一次刻度规则即可全局生效
    axes[2].xaxis.set_major_locator(MultipleLocator(tick_interval))
    
    axes[0].tick_params(axis='both', which='both', labelsize=10, labelbottom=True)
    axes[1].tick_params(axis='both', which='both', labelsize=10, labelbottom=True)
    axes[2].tick_params(axis='both', which='both', labelsize=10, labelbottom=True)

    # 生成图例，可通过loc参数调整位置避免遮挡内容
    axes[0].legend(fontsize=12)
    
    plt.tight_layout()
    plt.show()

# 调用示例：年龄刻度间隔设为2岁
plott(df['Age'], tick_interval=2)
# 需要5岁间隔时传入参数5即可
# plott(df['Age'], tick_interval=5)

关键实现逻辑 #

• 参考线图例添加：
  不需要给三个子图的所有垂直线重复设置标签，仅给第一个子图的三条统计参考线传入对应label参数，再调用legend()方法即可自动按线型、颜色匹配生成对应图例，不会出现重复条目。如果图例遮挡绘图内容，可给legend()传入loc参数调整位置，比如loc='upper left'即为左上角位置。
• x轴刻度间隔调整：
  导入matplotlib.ticker.MultipleLocator类，由于三个子图开启了sharex=True属性，仅需要给任意一个子图的x轴设置主刻度定位器，三个子图的刻度就会同步更新。将想要的刻度间隔数值传入MultipleLocator()即可实现自定义间隔，代码中将间隔设置为函数入参，调用时按需传值即可，无需反复修改函数内部代码。

注：如果数据存在多个众数，当前代码取data.mode()[0]仅展示第一个众数，可根据分析需求调整为展示全部众数。

内容的提问来源于stack exchange，提问作者john wick