如何用Seaborn FacetGrid绘制两个同列名DataFrame的分面对比直方图

实现思路 #

直接合并两个数据集并新增分组标识列，借助Seaborn原生的hue参数即可自动在同一分面叠加两组的直方图，无需手动遍历分面添加图层，容错率更高。

完整实现代码 #

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

# 1. 合并数据集并添加分组标识
df1_Sample['group'] = '药物处理组'
df1_Control['group'] = '对照组'
df_combined = pd.concat([df1_Sample, df1_Control], ignore_index=True)

# 2. 提取所有特征列（排除Compound和新增的group标识列）
feature_cols = [col for col in df_combined.columns if col not in ['Compound', 'group']]

# 3. 遍历每个特征生成分面对比图
for feature in feature_cols:
    # 初始化分面网格，col_wrap参数可根据需要调整每行展示的分面数量
    g = sns.FacetGrid(df_combined, col='Compound', col_wrap=3, height=4, hue='group')
    # 绘制叠加直方图，alpha设置透明度避免遮挡，可自行调整bins数量
    g.map(sns.histplot, feature, alpha=0.6, bins=20, element='bars')
    # 添加图例与标题调整
    g.add_legend()
    g.set_titles(col_template='分组：{col_name}')
    g.set_axis_labels(x_var=feature, y_var='样本频数')
    # 优化布局
    plt.tight_layout()
    # 按需保存图片，文件名关联特征名
    # plt.savefig(f'{feature}_组间分布对比.png', dpi=200, bbox_inches='tight')
    plt.show()

可选优化 #

• 如果需要叠加核密度估计曲线，可在sns.histplot参数中添加kde=True
• 如果觉得柱状叠加辨识度低，可将element='bars'改为element='step'绘制空心轮廓直方图

内容的提问来源于stack exchange，提问作者Ardalan1