如何为Seaborn displot按Crop列设置差异化颜色

要实现按Crop列分别设置不同调色板，你可以在绘制完displot后，遍历每个子图，根据子图对应的Crop类别单独修改直方图颜色。具体实现如下：

1. 准备包含Corn和Soy的测试数据 #

你提供的原始数据全为Corn，先补充Soy样本以便验证效果：

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

# 扩展数据集，加入Soy类别样本
df_melted = pd.DataFrame({
    'Sink_ID': ['100012_HUC8_09020204', '100012_HUC8_09020204', '100017_HUC8_09020204', '100017_HUC8_09020204', 
                '100029_HUC8_09020204', '100029_HUC8_09020204', '100136_HUC8_09020205', '100136_HUC8_09020205', 
                '100147_HUC8_09020204', '100147_HUC8_09020204', '100012_Soy', '100012_Soy', '100017_Soy', '100017_Soy'],
    'Year': [2005]*14,
    'Date_Range': ['07-10']*14,
    'WUVR': [1.11, 1.00, 0.53, 0.70, 0.98, 1.02, 1.08, 1.38, 0.67, 0.72, 0.85, 0.92, 0.61, 0.78],
    'Temp': [24.08, 21.55, 24.08, 21.73, 24.03, 21.66, 23.88, 21.39, 24.08, 21.73, 23.5, 21.2, 23.7, 21.4],
    'Precip': [0.08, 2.67, 0.91, 4.66, 0.72, 4.31, 0.14, 2.28, 0.91, 4.66, 0.12, 2.5, 0.88, 4.4],
    'Crop': ['Corn']*10 + ['Soy']*4,
    'NDVI_Type': ['NDVI_wet', 'NDVI_dry']*7,  # 保留两种NDVI类型用于区分hue
    'NDVI_Value': [0.84, 0.75, 0.32, 0.45, 0.63, 0.60, 0.64, 0.70, 0.37, 0.40, 0.78, 0.68, 0.55, 0.48],
    'Intervals': ['07-10 to 08-06']*14
})

# 模拟df_intervals数据集
df_intervals = pd.DataFrame({'Intervals': ['07-10 to 08-06']})

2. 定义按Crop分组的颜色规则 #

创建字典明确每种Crop对应的NDVI_Type颜色，顺序要和hue的类别顺序一致：

# 颜色映射：key为Crop名称，value为对应NDVI_Type的颜色列表
crop_color_map = {
    'Corn': ['#ff3333', '#33cc33'],  # Corn对应红色、绿色
    'Soy': ['#ff9933', '#3399ff']    # Soy对应橙色、蓝色
}

3. 绘制displot并修改子图颜色 #

先绘制基础displot，再遍历每个子图替换对应颜色：

sns.set_theme(style="white", palette=None)

# 创建分面直方图
g = sns.displot(
    data=df_melted, 
    x='NDVI_Value', 
    hue='NDVI_Type', 
    row='Intervals', 
    col='Crop',
    binwidth=0.01, 
    height=3, 
    aspect=2.5, 
    facet_kws=dict(margin_titles=False), 
    row_order=df_intervals['Intervals'].tolist()
)

# 统一设置x轴参数并修改子图颜色
for ax in g.axes.flatten():
    ax.set_xlim(0, 1)
    ax.title.set_fontsize(14)
    # 获取当前子图对应的Crop类别
    crop_label = g.col_names[g.axes.flatten().tolist().index(ax)]
    # 获取对应颜色列表
    colors = crop_color_map[crop_label]
    # 按hue分组分配颜色
    hue_count = len(g.hue_names)
    patch_per_hue = len(ax.patches) // hue_count
    for i, patch in enumerate(ax.patches):
        group_idx = i // patch_per_hue
        patch.set_facecolor(colors[group_idx])

plt.xticks([0, 0.25, 0.5, 0.75, 1], labels=['0', '0.25', '0.5', '0.75', '1'])
plt.show()

核心逻辑说明 #

• 通过crop_color_map绑定Crop与hue的颜色对应关系，避免全局调色板的影响。
• 遍历子图时，通过分面对象的col_names精准获取当前子图的Crop类别。
• 将子图中的patch按hue类别数量分组，为每组分配对应颜色，实现分Crop的颜色定制。

内容的提问来源于stack exchange，提问作者Ekkehardt Rosasee