Matplotlib：绘制带多段断裂X轴的多箱线图

嘿，我来帮你搞定这个多段断裂X轴的箱线图！既然你已经把数据按X的整数部分分组到my_data里了，那接下来用Python的matplotlib配合合适的工具就能轻松实现需求。下面是两种可行的方案，你可以根据自己的偏好选择：

这个第三方库专门为matplotlib设计，能一键处理多段断裂轴，省去手动拼接子图的麻烦。

1. 先安装依赖（如果还没装） #

pip install matplotlib brokenaxes

2. 核心代码实现 #

import matplotlib.pyplot as plt
from brokenaxes import brokenaxes

# 第一步：过滤my_data中的空组，提取有数据的X整数标签和对应数据
x_labels = [i for i, group in enumerate(my_data) if len(group) > 0]
valid_data = [group for group in my_data if len(group) > 0]

# 第二步：设置X轴的连续区间（根据你的实际数据调整）
# 比如如果你的X整数有效标签是[0,1,2,5,6,9]，那么连续区间是(0,3)、(5,7)、(9,10)
# 中间的3-5、7-9会自动显示为断裂
x_continuous_ranges = [(0, 3), (5, 7), (9, 10)]

# 第三步：初始化断裂轴对象
bax = brokenaxes(xlims=x_continuous_ranges, hspace=0.05)  # hspace控制断裂处的间距

# 第四步：绘制箱线图，设置位置和刻度
positions = list(range(len(valid_data)))  # 每个箱线图在轴上的位置索引
bax.boxplot(valid_data, positions=positions)

# 绑定实际的X整数标签到刻度
bax.set_xticks(positions)
bax.set_xticklabels(x_labels)

# 添加图表标注
bax.set_title('Boxplot with Multi-Broken X-axis')
bax.set_xlabel('X Integer Part')
bax.set_ylabel('Y Values')

plt.tight_layout()
plt.show()

关键细节说明 #

• 确定连续区间：你需要根据x_labels（有数据的X整数部分）来设置xlims，把连续的X值区间列出来。比如如果X有效标签是[0,1,3,4,6]，那么连续区间就是[(0,2), (3,5), (6,7)]，中间的2-3、5-6会自动显示断裂。
• 空组过滤：代码自动跳过my_data中的空列表，避免绘制无意义的空箱线图。
• 位置对齐：positions确保每个箱线图的位置和x_labels一一对应，保证X轴刻度显示正确。

如果你不想依赖第三方库，可以手动创建多个子图拼接，模拟断裂轴效果，适合需要高度定制化的场景。

import matplotlib.pyplot as plt

# 同样先过滤空组，提取有效数据和标签
x_labels = [i for i, group in enumerate(my_data) if len(group) > 0]
valid_data = [group for group in my_data if len(group) > 0]

# 创建3个子图（根据断裂数量调整），共享Y轴保证对齐
fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(10, 5), sharey=True)
d = 0.015  # 断裂标记的大小参数

# 第一个子图：显示X=0,1,2的数据
ax1.boxplot(valid_data[0:3], positions=[0,1,2])
ax1.set_xlim(-0.5, 2.5)
ax1.set_xticks([0,1,2])
ax1.set_xticklabels(x_labels[0:3])
# 隐藏右侧边框，添加断裂标记
ax1.spines['right'].set_visible(False)
kwargs = dict(transform=ax1.transAxes, color='k', clip_on=False)
ax1.plot((1-d, 1+d), (-d, +d), **kwargs)
ax1.plot((1-d, 1+d), (1-d, 1+d), **kwargs)

# 第二个子图：显示X=5,6的数据
ax2.boxplot(valid_data[3:5], positions=[5,6])
ax2.set_xlim(4.5, 6.5)
ax2.set_xticks([5,6])
ax2.set_xticklabels(x_labels[3:5])
# 隐藏左右边框，添加双向断裂标记
ax2.spines['left'].set_visible(False)
ax2.spines['right'].set_visible(False)
ax2.plot((-d, +d), (-d, +d), **kwargs)
ax2.plot((-d, +d), (1-d, 1+d), **kwargs)
ax2.plot((1-d, 1+d), (-d, +d), **kwargs)
ax2.plot((1-d, 1+d), (1-d, 1+d), **kwargs)

# 第三个子图：显示X=9的数据
ax3.boxplot(valid_data[5:6], positions=[9])
ax3.set_xlim(8.5, 9.5)
ax3.set_xticks([9])
ax3.set_xticklabels(x_labels[5:6])
# 隐藏左侧边框，添加断裂标记
ax3.spines['left'].set_visible(False)
ax3.plot((-d, +d), (-d, +d), **kwargs)
ax3.plot((-d, +d), (1-d, 1+d), **kwargs)

# 调整子图间距，让断裂处看起来连贯
plt.subplots_adjust(wspace=0.05)

# 添加全局标注
fig.suptitle('Boxplot with Multi-Broken X-axis (Manual Setup)')
fig.text(0.5, 0.04, 'X Integer Part', ha='center')
fig.text(0.04, 0.5, 'Y Values', va='center', rotation='vertical')

plt.show()

内容的提问来源于stack exchange，提问作者GRquanti