如何通过for循环自动为DataFrame每列绘制独立seaborn swarmplot

你当前的循环代码没有为每一张图创建独立画布，所有sns.swarmplot的绘制结果默认叠加在同一个matplotlib坐标轴对象上，最终只会渲染出最后一次绘制的单张图表，无法输出9张独立图。

方案1：逐张生成独立图表 #

适合需要单张查看、单独保存图片的场景，每次循环新建画布即可：

import seaborn as sns
import matplotlib.pyplot as plt

for col in df.columns:
    # 跳过作为x轴的分类列，避免生成无意义图表
    if col == "Classification":
        continue
    # 新建独立画布
    plt.figure(figsize=(6, 4))
    sns.swarmplot(x='Classification', y=col, data=df)
    # 添加标题区分不同图表
    plt.title(f'Distribution of {col} across Classification')
    # 如需本地存图可取消下一行注释
    # plt.savefig(f'swarm_{col}.png', dpi=300, bbox_inches='tight')
    plt.show()

方案2：9张图按网格排布在同一画布 #

如果不想逐张翻看图，可创建子图网格，把9张图规整排列在一个大画布上（适配9列的3*3网格最常用）：

import seaborn as sns
import matplotlib.pyplot as plt

# 提取需要绘制的数值列
target_cols = [c for c in df.columns if c != "Classification"]
# 创建3行3列的子图网格
fig, axes = plt.subplots(nrows=3, ncols=3, figsize=(15, 12))
# 将二维坐标轴数组展平为一维，方便循环匹配
axes = axes.flatten()

for ax, col in zip(axes, target_cols):
    # 指定当前绘图的子图坐标轴
    sns.swarmplot(x='Classification', y=col, data=df, ax=ax)
    ax.set_title(f'{col} distribution')

# 自动调整子图间距，避免文字重叠
plt.tight_layout()
plt.show()

提示：如果数据集样本量很大，swarmplot会自动对点位做避让调整，单张图绘制速度较慢，可以根据需求替换为stripplot提升绘图效率。

内容的提问来源于stack exchange，提问作者DJC78