25 分面网格 FacetGrid

25　分面网格 FacetGrid

这类图是什么

底层分面容器，先建网格再 map 任意绘图函数。

看什么：seaborn 没有现成封装时，用它手动挂图实现分面。

5 个案例

25-1　通用分面：按季节切子图并挂直方图

FacetGrid 是"先建网格再 map 绘图函数"的底层容器，想画的分面图 seaborn 没有现成封装时，用它手动挂即可。

25-2　按区域分面并叠加密度曲线

25-3　按馈线分面 + hue 双重分组

25-4　按方案分面的回归散点

25-5　按月份分面的温升点线：共享坐标便于比较

代码

5 个函数取自 code/第五批_组合网格261107.py。关键约束：不调用 sns.set_theme()，否则 font.family 被改成 Arial，中文会变方框；版式由 code/公共配置261107.py 里的 setup_cn_style() 与 save() / save_grid() 统一接管。

# 摘自 code/第五批_组合网格261107.py

def fg_01():
    """通用分面：按季节切子图并挂直方图。

    FacetGrid 是"先建网格再 map 绘图函数"的底层容器，
    想画的分面图 seaborn 没有现成封装时，用它手动挂即可。
    """
    fig, ax = new_fig(left=0.19)
    fig.delaxes(ax)
    rng = np.random.default_rng(2501)
    rows = []
    for s, mu in [("春季", 0.72), ("夏季", 0.84), ("秋季", 0.77), ("冬季", 0.74)]:
        rows.append(pd.DataFrame({"负荷率": rng.normal(mu, 0.05, 180), "季节": s}))
    df = pd.concat(rows, ignore_index=True)
    g = sns.FacetGrid(df, col="季节", col_wrap=2, height=1.95, aspect=1.05,
                      sharex=True, sharey=True)
    g.map_dataframe(sns.histplot, x="负荷率", color=C5, edgecolor="0.4",
                    linewidth=0.3)
    g.set_axis_labels("日负荷率", "频次")
    g.set_titles("{col_name}")
    save_grid(g, "25_分面网格", "25_分面网格_按季节直方图",
              left=0.155, bottom=0.14, right=0.97, top=0.90, w_mm=104, h_mm=86)

def fg_02():
    """按区域分面并叠加密度曲线。"""
    fig, ax = new_fig(left=0.19)
    fig.delaxes(ax)
    rng = np.random.default_rng(2502)
    rows = []
    for a, mu, sd in [("城区", 0.6, 1.8), ("农村", 2.8, 3.4)]:
        rows.append(pd.DataFrame({"偏差": rng.normal(mu, sd, 400), "区域": a}))
    df = pd.concat(rows, ignore_index=True)
    g = sns.FacetGrid(df, col="区域", height=2.6, aspect=1.5)
    g.map_dataframe(sns.kdeplot, x="偏差", fill=True, color=C1, alpha=0.4)
    g.set_axis_labels("电压偏差 / %", "概率密度")
    g.set_titles("{col_name}")
    save_grid(g, "25_分面网格", "25_分面网格_按区域密度",
              left=0.165, bottom=0.18, right=0.97, top=0.86)

def fg_03():
    """按馈线分面 + hue 双重分组。"""
    fig, ax = new_fig(left=0.19)
    fig.delaxes(ax)
    rng = np.random.default_rng(2503)
    rows = []
    for fd in ["L1", "L2"]:
        for seg, mu in [("峰段", 650), ("谷段", 380)]:
            rows.append(pd.DataFrame({"负荷": rng.normal(mu, 60, 150),
                                      "时段": seg, "馈线": fd}))
    df = pd.concat(rows, ignore_index=True)
    g = sns.FacetGrid(df, col="馈线", hue="时段", palette=[C5, C1],
                      height=2.6, aspect=1.5)
    g.map_dataframe(sns.histplot, x="负荷", bins=18, element="step",
                    fill=False, lw=1.0)
    g.set_axis_labels("有功负荷 " + IT["P"] + " / kW", "频次")
    g.set_titles("{col_name}")
    g.add_legend(title="时段", framealpha=0.6)
    save_grid(g, "25_分面网格", "25_分面网格_按馈线双重分组",
              left=0.165, bottom=0.18, right=0.94, top=0.86)

def fg_04():
    """按方案分面的回归散点。"""
    fig, ax = new_fig(left=0.19)
    fig.delaxes(ax)
    rng = np.random.default_rng(2504)
    rows = []
    for plan, mu, sd in [("原状", 4.62, 0.28), ("方案二", 3.24, 0.20)]:
        b = rng.uniform(0.3, 1.1, 200)
        rows.append(pd.DataFrame({"负载率": b, "线损率": mu * b ** 1.6
                                  + rng.normal(0, 0.18, 200), "方案": plan}))
    df = pd.concat(rows, ignore_index=True)
    g = sns.FacetGrid(df, col="方案", height=2.6, aspect=1.5)
    g.map_dataframe(sns.regplot, x="负载率", y="线损率", color=C3,
                    scatter_kws={"s": 9, "edgecolor": "white", "linewidths": 0.2},
                    line_kws={"lw": 1.0})
    g.set_axis_labels("负载率 " + IT["beta"], "年线损率 / %")
    g.set_titles("{col_name}")
    save_grid(g, "25_分面网格", "25_分面网格_按方案回归",
              left=0.165, bottom=0.18, right=0.97, top=0.86)

def fg_05():
    """按月份分面的温升点线：共享坐标便于比较。"""
    fig, ax = new_fig(left=0.19)
    fig.delaxes(ax)
    rng = np.random.default_rng(2505)
    rows = []
    for m, off in [("1 月", 0.0), ("7 月", 4.0)]:
        for L in [0.6, 0.8, 1.0, 1.2]:
            rows.append(pd.DataFrame({"温升": rng.normal(28 + 26 * L ** 2 + off, 2.6, 70),
                                      "负载率": f"{L:.1f}", "月份": m}))
    df = pd.concat(rows, ignore_index=True)
    g = sns.FacetGrid(df, col="月份", height=2.6, aspect=1.5)
    g.map_dataframe(sns.pointplot, x="负载率", y="温升", color=C1, markers="o",
                    ms=4, lw=1.0, capsize=0.10, errorbar=("ci", 95))
    g.set_axis_labels("负载率 " + IT["beta"], "顶层油温升 " + IT["T"] + " / K")
    g.set_titles("{col_name}")
    save_grid(g, "25_分面网格", "25_分面网格_按月份点线",
              left=0.165, bottom=0.18, right=0.97, top=0.86)

说明

• axes 级图 1181×944 px；figure 级多轴图按内容取 1100~1470 px 宽。
• 图内不放标题，图题由本文件的标题承担。
• 数据为 10 kV 配网、380 V 低压、50 Hz 量级的仿真算例，随机种子固定。