如何用Matplotlib/Seaborn创建分组子图绘制乳腺癌特征直方图

需求说明 #

使用Python分析乳腺癌分类数据集时，需要为每个特征绘制分类直方图，将所有直方图按特征类型分为三个组别，预期效果如下：

当前初始代码如下：

from sklearn.datasets import load_breast_cancer  # 加载示例数据
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

data = load_breast_cancer()

# 将特征数据转为DataFrame格式
df = pd.DataFrame(data.data, columns = data.feature_names)

# 加入分类标签列
df["target"] = data.target

# 初始绘图逻辑
plotnumber = 1
fig = plt.figure(figsize=(20, 20))

for column in df.drop('target', axis=1):
    if plotnumber <= 30:
        plt.subplot(5, 6, plotnumber)
        sns.distplot(df[df['target'] == 0][column], label = 'malignant')
        sns.distplot(df[df['target'] == 1][column], label = 'benign')
        plt.legend()
        plt.title(column)
    plotnumber += 1

fig.tight_layout()

运行初始代码得到的无分组效果如下：

需要调整排布规则：将所有子图划分为mean、error、worst三个分组，每个分组包含10个对应特征，按5行2列的网格排布。

实现方案 #

核心逻辑是先创建1行3列的顶层分组容器，每个容器对应一个特征组，再在全局5行6列的子图网格中为每个组分配固定的2列宽度，同时为每个分组添加总标题。

调整后可直接运行的代码 #

from sklearn.datasets import load_breast_cancer
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 加载并整理数据
data = load_breast_cancer()
df = pd.DataFrame(data.data, columns=data.feature_names)
df["target"] = data.target

# 按列名前缀自动拆分三组特征
feature_groups = {
    "mean": [col for col in df.columns if "mean" in col],
    "error": [col for col in df.columns if "error" in col],
    "worst": [col for col in df.columns if "worst" in col]
}

# 创建画布设置合适尺寸
fig = plt.figure(figsize=(18, 22))

# 遍历三个分组生成对应子图
for group_idx, (group_name, features) in enumerate(feature_groups.items(), 1):
    # 创建顶层分组占位轴，仅用于显示分组标题
    group_ax = fig.add_subplot(1, 3, group_idx)
    group_ax.set_axis_off()
    group_ax.set_title(f"{group_name} group", fontsize=16, y=0.98, weight="bold")
    
    # 遍历当前组10个特征，在对应列位置绘制子图
    for plot_idx, col in enumerate(features, 1):
        # 全局网格位置计算：每个组占2列，共10个5行2列的子图位置
        ax = fig.add_subplot(5, 6, (group_idx-1)*10 + plot_idx)
        # 绘制两类样本分布，高版本seaborn使用histplot替代已废弃的distplot
        sns.histplot(df[df["target"]==0][col], label="malignant", kde=True, stat="density", alpha=0.5)
        sns.histplot(df[df["target"]==1][col], label="benign", kde=True, stat="density", alpha=0.5)
        ax.set_title(col, fontsize=10)
        ax.legend(fontsize=8)

# 自动调整间距避免文字重叠
fig.tight_layout()
plt.show()

代码说明 #

• 按列名前缀自动筛选分组特征，无需手动枚举30个特征名，避免错漏
• 顶层1行3列的占位轴不显示坐标轴，仅作为分组标题的载体
• 子图位置按全局5行6列网格计算，三个组分别占用左、中、右各2列，刚好匹配每组5行2列的排布要求
• 适配高版本seaborn语法，保留原代码直方图+核密度曲线的展示效果，低版本环境可直接换回原sns.distplot语法。

内容的提问来源于stack exchange，提问作者DukeAdl