### 设置多层标签的X轴 在 `matplotlib` 或 `seaborn` 中实现带有多层标签的 X 轴可以通过组合使用 `Axes.set_xticks()` 和 `text()` 方法来完成。以下是具体的方法： #### 使用 Matplotlib 实现多层标签 可以利用 `matplotlib` 提供的灵活性手动调整坐标轴上的文字位置和样式。以下是一个示例代码片段，展示了如何为 X 轴添加多层次标签。 ```python import matplotlib.pyplot as plt # 创建数据 categories = ['Category A', 'Category B'] sub_categories = [['Sub-A1', 'Sub-A2'], ['Sub-B1', 'Sub-B2']] values = [[10, 15], [7, 9]] fig, ax = plt.subplots() # 绘制条形图 bar_width = 0.35 index = range(len(categories)) bars1 = ax.bar(index, values[0], bar_width, label=sub_categories[0][0]) bars2 = ax.bar([i + bar_width for i in index], values[1], bar_width, label=sub_categories[1][0]) # 添加主类别标签 ax.set_xticks([i + bar_width / 2 for i in index]) # 主类别的中心位置 ax.set_xticklabels(categories) # 手动添加次级标签 for idx, (cat, sub_cat) in enumerate(zip(categories, sub_categories)): pos_x = idx * 2 * bar_width + bar_width / 2 offset_y = -0.1 # Y方向偏移量 for s_idx, sub_label in enumerate(sub_cat): ax.text(pos_x + s_idx * bar_width, offset_y, sub_label, ha='center', va='top') plt.legend() plt.show() ``` 上述代码实现了在一个图表上显示两层 X 轴标签的效果[^4]。 #### Seaborn 的解决方案 虽然 `seaborn` 更专注于高级绘图接口，但它仍然依赖于 `matplotlib` 来处理底层细节。因此，在某些情况下可以直接调用 `matplotlib` 函数来自定义复杂的布局。例如，当使用 `sns.catplot()` 或其他分类绘图函数时，可通过访问返回的对象中的 `axes` 属性进一步修改刻度线及其标注。 ```python import seaborn as sns import pandas as pd import numpy as np import matplotlib.pyplot as plt # 构造样本 DataFrame data = { "Main Category": ["A", "A", "B", "B"], "Subcategory": ["A1", "A2", "B1", "B2"], "Value": [np.random.randint(1, 10) for _ in range(4)] } df = pd.DataFrame(data) g = sns.catplot( data=df, x="Main Category", y="Value", hue="Subcategory", kind="bar" ) # 获取当前 Axes 对象并自定义次要标签 ax = g.axes.flatten()[0] offset_y = min(ax.get_ylim()) - abs(max(ax.get_ylim())) * 0.1 # 计算合适的位置放置子标签 unique_main_cats = df["Main Category"].unique() subcategory_map = {main: list(df[df['Main Category'] == main]['Subcategory']) for main in unique_main_cats} for ticklabel in ax.xaxis.get_ticklabels(): cat_name = ticklabel.get_text() if not cat_name.strip(): continue center_pos = float(ticklabel.get_position()[0]) for rel_pos, subcat in enumerate(subcategory_map[cat_name]): adjusted_x = center_pos - len(subcategory_map[cat_name])/2*0.1 + rel_pos*0.1 ax.text(adjusted_x, offset_y, subcat, rotation=90, fontsize=8, color='gray') plt.tight_layout(rect=[0, 0.1, 1, 1]) plt.show() ``` 此脚本会生成一张柱状图，并且每根柱下方都附有对应的子类别名称作为第二层标签[^5]。 ### 总结 无论是采用纯 `matplotlib` 还是借助 `seaborn` 都能很好地支持复杂场景下的多重标记需求。关键是合理运用两者之间的交互机制以及灵活控制文本渲染参数。