seaborn.histplot的log_scale=True是转换数据还是仅调整绘图方式？

核心结论 #

log_scale=True 会先对原始数据执行对数转换后，再统计频数分布、划分bin绘制直方图，并非仅调整坐标轴的展示形式。

具体说明 #

• 效果验证：你可以用两段代码做对比，两者输出的直方图分布形状完全一致，仅x轴刻度显示有区别：
  直接开启对数尺度绘图：

  import seaborn as sns
  import numpy as np
  # 生成强右偏的测试数据
  data = np.random.power(0.3, size=10000)
  sns.histplot(data, log_scale=True)
  

  手动对数据做对数转换后绘图：

  sns.histplot(np.log10(data))
  

  两者的分布形态完全重合，可以直接证明参数触发了先转换数据再统计的逻辑。
• 侧面佐证：如果原始数据包含0或者负数，传入log_scale=True时会直接抛出数值错误，这是对数运算无法处理非正数导致的，如果参数仅修改坐标轴展示形式不会触发这类报错。
• 和仅调整坐标轴的差异：如果只是把x轴改为对数尺度、不改动统计逻辑，直方图的bin划分依然基于原始数据的线性区间，偏态数据的分布会呈现极端集中的效果，和先转换数据再绘图的结果差异非常明显。

内容的提问来源于stack exchange，提问作者James Arten