优先使用 sns.catplot(kind='box') 实现多维分组箱线图，它专为 col/row/hue 多变量组合设计，自动处理分面与坐标对齐；而 boxplot 不支持 col/row 参数，强行使用易导致错位、漏组或报错。
用 catplot + hue 画多维分组箱线图，比 boxplot 更稳
直接上结论：别用 seaborn.boxplot 套多层 hue，容易错位、漏组、x轴标签混乱；catplot(kind='box') 是专为多分类设计的封装，自动处理分面逻辑和坐标对齐。
常见错误现象：boxplot(data=df, x='A', y='value', hue='B', col='C') 会报错或只画出部分子图——因为 boxplot 本身不支持 col/row 参数，强行加会导致参数被忽略或触发意外降级。
-
catplot内部调用的是FacetGrid，天然支持col、row、hue三者组合 - 所有分组变量（如实验组/时间点/设备型号）必须是
category或字符串类型，数值型会被强制转为离散标签，但可能排序异常 - 若
hue变量含空值（NaN），对应样本默认被剔除——不是隐藏图例项，是整行数据丢弃，务必提前检查
hue 和 col 的分工必须明确：谁控制颜色，谁切分面板
典型混淆场景：想对比「不同城市（city）下，各年龄段（age_group）的消费分布，并按会员等级（level）着色」。这里 city 应该用 col（横向分面板），age_group 用 x（横轴分组），level 用 hue（同一箱线内并列着色）。
-
hue控制同一x位置内的并列结构，最大宽度受dodge影响，默认为True；设为False会重叠（不推荐） -
col/row控制独立子图，每个子图内再执行完整的x+hue绘图逻辑 - 顺序影响图例生成：先写
hue=...，图例项才按该变量值排序；如果把它放在参数末尾，且变量含中文或特殊字符，图例可能乱序
示例：
sns.catplot(data=df, x='age_group', y='spend', hue='level', col='city', kind='box', height=5, aspect=0.8)
避免 hue 分组太多导致箱线挤成一条线
当 hue 变量取值超过 5–6 类时，每组箱线宽度急剧压缩，中位数线、须、离群点全糊在一起，失去可读性。这不是 bug，是 dodge 机制在有限像素下的必然结果。
- 优先考虑降维：把低频类别合并为
'Other'，用df['level'] = df['level'].mask(df['level'].map(df['level'].value_counts()) - 改用
row替代部分hue：比如把level从hue拿出来，改为row='level'，每个会员等级独占一行，x和hue留给其他变量 - 手动调宽：
width=0.6（默认 0.8）可略缓解，但治标不治本；gap=0.1（需 seaborn ≥ 0.12）能增加子组间距，但需配合dodge=True
真实数据里最容易被忽略的预处理动作
绘图前不清洗，90% 的「图不对」问题都出在这一步，而不是参数写错。
-
df[x].astype('category').cat.remove_unused_categories()：删掉x列中实际没数据的分类水平，否则空列仍占位，x轴出现空白间隙 -
df = df.dropna(subset=['x', 'y', 'hue', 'col'])：显式剔除任意关键字段为空的行，避免 seaborn 静默跳过引发分组计数偏差 - 检查
y是否含异常极值：箱线图对离群点敏感，若未做截断（如df['spend'] = df['spend'].clip(upper=df['spend'].quantile(0.99))），单个超大值会让整个箱体压缩变形
最后提醒一句：catplot 返回的是 FacetGrid 对象，不是 Axes；要后续加文字标注得用 g.map_dataframe(...) 或遍历 g.axes_dict，直接调 plt.title 是无效的。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
