如何使用Seaborn为分组数据集的每个分组单独绘制正确的Jointplot子图

问题原因 #

你之前的代码出现元素重叠，是因为FacetGrid创建的每个子图都是单笛卡尔坐标轴，你将散点图、x轴直方图、y轴直方图全部绘制在同一个坐标轴上，自然会出现叠加覆盖的问题。sns.jointplot本身是包含散点主图+上下/左右两个边际直方图的多轴组合图，无法直接通过map_dataframe适配到FacetGrid的单轴子图中。

解决方案1：循环分组绘制独立jointplot #

如果你不需要把所有子图严格拼在同一个大画布上，直接按dataset分组循环绘制是最简单的方案：

import seaborn as sns
import matplotlib.pyplot as plt

# 获取所有唯一的分组值
datasets = df['dataset'].unique()

for ds in datasets:
    # 过滤当前分组的子集
    subset = df[df['dataset'] == ds]
    # 绘制当前分组的jointplot
    g = sns.jointplot(data=subset, x="x", y="y", color="#7db4a2")
    # 设置标题，y参数调整标题位置避免和上边际图重叠
    g.fig.suptitle(f"dataset = {ds}", y=1.02)
    plt.show()

解决方案2：手动构造网格布局，所有分组同画布展示 #

如果你需要所有分组的joint结构都排列在同一个大画布上，可以手动创建子图网格，分别分配主散点图、x边际直方图、y边际直方图的位置，示例代码如下（按每行3组的布局）：

import seaborn as sns
import matplotlib.pyplot as plt

datasets = df['dataset'].unique()
n_ds = len(datasets)
col_wrap = 3
# 计算需要的行数
n_rows = (n_ds + col_wrap - 1) // col_wrap

# 创建大画布，可根据需要调整尺寸
fig = plt.figure(figsize=(col_wrap * 6, n_rows * 5))

for idx, ds in enumerate(datasets):
    subset = df[df['dataset'] == ds]
    row_idx = idx // col_wrap
    col_idx = idx % col_wrap
    # 计算当前组三个轴的位置索引
    base_idx = row_idx * col_wrap * 3 + col_idx * 3 + 1
    # x边际直方图轴（在主图上方）
    ax_x = plt.subplot(n_rows * 3, col_wrap, base_idx - col_wrap)
    # 主散点轴
    ax_main = plt.subplot(n_rows * 3, col_wrap, base_idx, sharex=ax_x)
    # y边际直方图轴（在主图右侧）
    ax_y = plt.subplot(n_rows * 3, col_wrap, base_idx + 1, sharey=ax_main)
    
    # 分别绘图
    sns.scatterplot(data=subset, x="x", y="y", color="#7db4a2", ax=ax_main)
    sns.histplot(data=subset, x="x", color="#7db4a2", ax=ax_x)
    sns.histplot(data=subset, y="y", color="#7db4a2", ax=ax_y)
    
    # 隐藏边际轴的重复刻度标签
    ax_x.tick_params(axis='x', labelbottom=False)
    ax_y.tick_params(axis='y', labelleft=False)
    # 设置分组标题
    ax_main.set_title(f"dataset = {ds}")

plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者ahnnni