Python中使用Seaborn为多样化数据集生成独立x轴范围的分类图

你遇到的问题核心是seaborn的catplot生成分面图时，默认会全局统一x轴的分类水平和刻度范围，导致不同ID的size取值差异较大时，子图会出现大量无意义的空白区间。可通过以下两种方案实现每个子图单独适配对应ID的size范围：

方案1：快速调整catplot参数 #

如果你只需要关闭x轴范围共享，保留原有调用逻辑，可直接添加facet_kws参数关闭x轴共享：

import seaborn as sns
sns.catplot(
    data=df, 
    x='size', 
    y='Count', 
    col='ID', 
    kind='bar',
    facet_kws={"sharex": False}
)

注意：该方案下x轴仍会保留全局所有size值作为分类项，仅隐藏其他ID对应size的刻度，仍可能存在空白区域，适合size取值重叠度较高的场景

方案2：手动用FacetGrid绘制（更适配大差异取值场景） #

该方案会为每个ID单独提取数据绘图，x轴仅保留当前ID的size取值，完全自动适配当前ID的size最大最小值范围，不会出现多余空白：

import seaborn as sns
import matplotlib.pyplot as plt

# 初始化分面网格，关闭x轴共享
g = sns.FacetGrid(df, col="ID", sharex=False)

# 为每个子图单独绘制对应ID的柱状图
g.map_dataframe(sns.barplot, x="size", y="Count")

# 自动调整子图间距
g.tight_layout()
plt.show()

如果你的size是连续数值需要分箱而非每个值对应一个柱子，可在绘图前按ID分组后，对每个分组的size单独用pd.cut自定义分箱，统计对应Count后再绘图即可。

内容的提问来源于stack exchange，提问作者Maurice500