使用Seaborn或Pyplot绘制箱线图时X轴（邮政编码）拥挤问题求助

嘿，这个X轴标签挤成一团的问题我可太熟了！给你几个实用的解决方案，都是日常处理这类可视化问题的常用技巧，你可以根据自己的数据集情况选：

方法1：旋转X轴标签（最快速的修复） #

直接把X轴的标签旋转一定角度，就能避免横向重叠，这是最省心的办法，不管用Matplotlib还是Seaborn都能轻松实现：

Seaborn 实现示例 #

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

# 读取你的数据集
df = pd.read_csv('home_data.csv')

# 设置图表基础尺寸
plt.figure(figsize=(12, 6))
# 绘制箱线图
sns.boxplot(x='zipcode', y='Price', data=df)

# 关键：旋转X轴标签并调整对齐方式
plt.xticks(rotation=45, ha='right')  # ha='right'让旋转后的标签更整齐
plt.tight_layout()  # 自动调整布局，防止标签被图表边缘截断
plt.show()

Matplotlib 实现示例 #

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('home_data.csv')

plt.figure(figsize=(12, 6))
# 按zipcode分组提取Price数据
zip_groups = [df[df['zipcode'] == z]['Price'] for z in df['zipcode'].unique()]
plt.boxplot(zip_groups)
plt.xticks(range(1, len(df['zipcode'].unique())+1), df['zipcode'].unique())

# 旋转标签
plt.xticks(rotation=45, ha='right')
plt.xlabel('Zipcode')
plt.ylabel('Price')
plt.tight_layout()
plt.show()

方法2：只显示部分X轴标签 #

如果zipcode数量实在太多，旋转后还是挤，可以每隔N个标签显示一个，主动降低标签密度：

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

df = pd.read_csv('home_data.csv')

plt.figure(figsize=(12, 6))
ax = sns.boxplot(x='zipcode', y='Price', data=df)

# 比如每隔2个zipcode显示一个标签
ticks = ax.get_xticks()
labels = ax.get_xticklabels()
ax.set_xticks(ticks[::2])  # 取偶数位置的标签
ax.set_xticklabels(labels[::2], rotation=45, ha='right')

plt.tight_layout()
plt.show()

方法3：扩大图表宽度 #

有时候单纯把图的宽度拉得更宽，就能给X轴标签留出足够空间，配合旋转效果更佳：

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

df = pd.read_csv('home_data.csv')

# 把宽度设得更大，比如16（根据你的zipcode数量调整）
plt.figure(figsize=(16, 6))
sns.boxplot(x='zipcode', y='Price', data=df)
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

方法4：换用横向箱线图（换个思路） #

如果X轴实在挤得没救，不如把X、Y轴互换，画横向箱线图——zipcode标签放在Y轴，纵向空间更充足，阅读起来也很清晰：

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

df = pd.read_csv('home_data.csv')

plt.figure(figsize=(10, 12))
# 交换x和y参数即可实现横向布局
sns.boxplot(y='zipcode', x='Price', data=df)
plt.ylabel('Zipcode')
plt.xlabel('Price')
plt.title('Price Distribution by Zipcode (Horizontal)')
plt.tight_layout()
plt.show()

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