如何为Seaborn lmplot的每个子图单独设置ylim？

我懂你碰到的这个麻烦——Seaborn的lmplot基于FacetGrid实现，默认会把所有子图的y轴范围统一成全部数据的极值，这很容易让单个子图里的细节被掩盖。之前你试的方法没生效，大概率是没精准定位到每个子图的坐标轴对象，下面给你两种切实可行的解决思路：

方法1：用FacetGrid.map()自定义子图设置函数 #

lmplot返回的是FacetGrid对象，我们可以借助它的map方法，传入一个自定义函数，让这个函数逐个处理每个子图，基于子图自身的数据来设置y轴范围。

举个实际代码例子（用Seaborn自带的示例数据演示）：

import seaborn as sns
import matplotlib.pyplot as plt

# 加载示例数据
tips = sns.load_dataset("tips")

# 绘制lmplot，拿到FacetGrid实例
g = sns.lmplot(x="total_bill", y="tip", col="day", data=tips)

# 自定义函数：为当前子图设置专属ylim
def set_individual_ylim(x, y, **kwargs):
    # 获取当前子图的坐标轴对象
    current_ax = plt.gca()
    # 基于当前子图的y数据计算范围（留点边距更美观）
    y_low = y.min() * 0.9
    y_high = y.max() * 1.1
    current_ax.set_ylim(y_low, y_high)

# 将自定义函数应用到所有分面子图
g.map(set_individual_ylim, "total_bill", "tip")

plt.show()

这个方法的核心是plt.gca()会精准获取当前正在处理的子图坐标轴，然后用该子图对应的y数据计算范围，完全不会影响其他子图。

方法2：直接遍历FacetGrid的坐标轴手动设置 #

FacetGrid有个axes属性，它是存储所有子图坐标轴的数组（如果是行列分面就是二维数组，单行列分面是一维）。我们可以遍历这个数组，同时对应每个子图的分组数据，手动设置y轴范围。

代码示例：

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")
g = sns.lmplot(x="total_bill", y="tip", col="day", data=tips)

# 扁平化坐标轴数组，同时遍历对应的分组数据
for ax, (group_name, group_data) in zip(g.axes.flat, tips.groupby("day")):
    # 用当前分组的y数据设置范围
    y_min = group_data["tip"].min() * 0.9
    y_max = group_data["tip"].max() * 1.1
    ax.set_ylim(y_min, y_max)

plt.show()

这种方法更直观，你可以清晰看到每个子图和对应数据的关联，适合需要更精细控制的场景。

如果之前你尝试的是g.set(ylim=(min_val, max_val))这类写法，那确实会统一设置所有子图的y轴范围，而上面两种方法都是针对单个子图独立处理的，肯定能解决你的问题。

内容的提问来源于stack exchange，提问作者user8188435