Seaborn 中如何让散点与窄箱线图对齐？

2026-11-04数据小许

结论

jitter 只调整散点在各自位置附近的横向分散范围，不能缩小 stripplot 中 dodge 造成的分组偏移。这里虽然调小了 boxplot 的 width，但 stripplot 的分组位置没有随之收窄，因此温度图中的两组散点会偏离箱体。

保留 sns.boxplot，再用 matplotlib 的 scatter 手动绘制散点即可。根据箱线图的类别顺序计算横坐标，并按箱线图宽度设置 hue 分组偏移和 jitter。

手动计算散点位置

下面的代码可以替换原来的绘图循环。类别位置由 order 确定，每组散点的中心与对应箱体对齐。jitter 按箱体宽度缩放，调整 width 时，散点的分布范围也会随之变化。

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

palette = ['r', 'g']
hue_order = ['exp', 'sim']

for c_category in ['temp', 'design']:
    width = custom_width_box[c_category][0]
    order = sorted(frame_scatter[c_category].dropna().unique())

    fig, ax = plt.subplots(figsize=(6.4, 4.8), dpi=400)

    sns.boxplot(
        data=frame_scatter,
        x=c_category,
        y='Measured_Value',
        hue='Index_Name',
        order=order,
        hue_order=hue_order,
        showfliers=False,
        palette=palette,
        boxprops={'alpha': 0.4},
        width=width,
        ax=ax,
    )

    hue_count = len(hue_order)
    box_width = width / hue_count
    jitter = box_width * 0.3

    for hue_index, hue_level in enumerate(hue_order):
        points = frame_scatter[frame_scatter.index == hue_level]
        category_positions = pd.Categorical(
            points[c_category], categories=order, ordered=True
        ).codes

        # 每个 hue 组的箱体中心偏移
        hue_offset = (hue_index - (hue_count - 1) / 2) * box_width
        x = category_positions + hue_offset + np.random.uniform(
            -jitter, jitter, size=len(points)
        )

        ax.scatter(
            x,
            points['Measured_Value'],
            color=palette[hue_index],
            s=18,
            zorder=3,
        )

    ax.grid(True)
    plt.show()

调整参数

width 控制箱线图在类别位置附近占用的总宽度。
box_width = width / hue_count 用来计算每个 hue 组对应的宽度。
hue_offset 将各组散点的中心移到对应箱体中心。
jitter 控制散点在各自箱体中心附近的分散范围。想让散点更紧凑，可以调小 0.3；想让分布更宽，可以适当调大，但建议不超过 0.5，以免散点明显超出箱体。

示例假定 frame_scatter 的索引值为 exp 和 sim，且 palette 的顺序与 hue_order 一致。如果实际类别顺序不同，相应调整这两个列表。