如何按分组绘制直方图子图 基于sns.distplot实现分组绘图

运行以下代码时，我得到了4张按数据分组拆分的独立直方图。请问如何使用4个独立的sns.distplot()方法，实现同样按分组拆分的同类型可视化效果？

原始测试代码：

df = pd.DataFrame({
    "group": [1, 1, 2, 2, 3, 3, 4, 4],
    "similarity": [0.1, 0.2, 0.35, 0.6, 0.7, 0.25, 0.15, 0.55]
})

df['similarity'].hist(by=df['group'])

参考可视化效果：

核心思路是先创建和pandas.DataFrame.hist(by=)默认布局一致的2行2列子图网格，再按分组遍历，在每个子图上单独调用sns.distplot()绘制对应组的直方图即可，完整代码如下：

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

# 构造示例数据
df = pd.DataFrame({
    "group": [1, 1, 2, 2, 3, 3, 4, 4],
    "similarity": [0.1, 0.2, 0.35, 0.6, 0.7, 0.25, 0.15, 0.55]
})

# 创建2行2列子图，匹配原输出布局
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(8, 6))
# 将二维轴数组展平为一维，方便按顺序遍历
axes = axes.flatten()

# 逐分组调用sns.distplot绘制
for ax_idx, (group_name, group_df) in enumerate(df.groupby("group")):
    # 若要和pandas默认纯直方图效果完全一致，传入kde=False关闭核密度曲线
    sns.distplot(a=group_df["similarity"], ax=axes[ax_idx], kde=False)
    # 为每个子图设置分组标题
    axes[ax_idx].set_title(f"Group {group_name}")

# 自动调整子图间距，避免标签、标题重叠
plt.tight_layout()
plt.show()

注意：高版本Seaborn中sns.distplot()已被标记为弃用，如果使用新版Seaborn，可以替换为sns.histplot()，参数用法基本一致。

关键参数说明 #

• nrows=2, ncols=2：将4个分组的直方图按2行2列排布，和pandas默认输出的布局完全一致
• flatten()：把2*2结构的子图轴对象转为一维列表，遍历的时候不需要再处理行列索引
• kde=False：关闭sns.distplot()默认开启的核密度估计曲线，和pandas输出的纯直方图效果对齐，如果需要保留密度曲线去掉该参数即可

内容的提问来源于stack exchange，提问作者nerd