Seaborn distplot已废弃，如何更新代码实现多列多子图分布可视化

seaborn从0.11版本起正式将旧的轴级distplot标记为弃用，根据官方提示可以选择两类适配方向，改完后可完全还原原参考图中「直方图叠加核密度曲线」的绘制效果，且不会触发版本报错。

方案1：低改动兼容原代码逻辑（使用轴级histplot） #

这个方案最大程度保留你原有手动控制画布、子图布局的代码结构，改动量最小，和原来的使用习惯完全匹配。
只需要把循环里调用的distplot替换为histplot，开启kde=True参数即可还原原默认效果：

def creating_distplot(size, data, features):                
    plt.figure(figsize=size)
    for i in range(len(features)):
        plt.subplot(5, 3, i + 1)
        # 替换原distplot调用，kde=True表示叠加核密度曲线
        sns.histplot(data=data, x=features[i], kde=True)

# 原有调用逻辑无需任何修改
num_vars = ad_df.select_dtypes(exclude=['object', 'datetime64']).columns
creating_distplot((16,18), ad_df, num_vars)

方案优势：

• 完全兼容你自定义的5行3列子图布局、自定义画布尺寸的控制逻辑
• 输出风格和旧版distplot默认表现高度接近
• 无版本兼容报错

如果需要让直方图的计数尺度和核密度曲线完全对齐（和旧distplot的归一化效果完全一致），可以额外加上stat="density"参数，让直方图的高度换算为密度值而非原始计数值：

sns.histplot(data=data, x=features[i], kde=True, stat="density")

方案2：使用图级displot实现自动分面（更贴合seaborn新范式） #

displot是官方推荐的具备同等灵活性的图级函数，本身内置批量分面能力，不需要手动写循环和subplot逻辑，代码更简洁：

sns.displot(
    data=ad_df,
    x=num_vars,  # 直接传入所有需要绘制的数值特征列
    kind="hist",  # 指定绘制直方图类型
    kde=True,     # 叠加核密度曲线
    col_wrap=3,   # 每行排列3个子图，匹配原3列的布局风格
    height=3.5,   # 单个子图高度，整体观感和原16*18画布尺寸接近
    aspect=1.2    # 单个子图的宽高比
)

方案优势：

• 不需要手动维护循环、子图索引逻辑，代码量大幅减少
• 自动统一所有子图的坐标风格、对齐间距，不会出现手动建子图的偶发布局错位问题
• 调整布局时只需要修改col_wrap参数（比如改成4就是每行4个子图）即可，不需要手动修改subplot的行列参数

常见参数差异说明：旧版distplot默认采用密度归一化的直方图尺度，新函数默认显示原始计数的y轴刻度，如需完全复刻旧版视觉效果，可在displot调用中加上stat="density"参数。

内容的提问来源于stack exchange，提问作者Harry P