如何在Seaborn JointGrid边际图中同时展示两个数据集的分布

要同时展示两个数据集的边际分布用于对比，核心是给第二个数据集的边际分布设置透明度（alpha），避免直接覆盖第一个数据集的分布。以下是具体实现代码：

import seaborn as sns
import matplotlib.pyplot as plt

# 初始化JointGrid，指定第一个数据集的x、y字段
g = sns.JointGrid(data=data1, x="observed", y="predicted")

# 绘制第一个数据集的散点图和边际直方图
g.plot_joint(sns.scatterplot, color="#1f77b4", label="数据集1")
g.plot_marginals(sns.histplot, color="#1f77b4", alpha=0.7, label="数据集1")

# 添加第二个数据集的散点图（红色）
g.ax_joint.scatter(data=data2, x="observed", y="predicted", color="#ff4b5c", label="数据集2")

# 绘制第二个数据集的边际直方图，设置透明度让两个分布重叠可见
# X轴边际
g.ax_marg_x.hist(data2["observed"], color="#ff4b5c", alpha=0.5, label="数据集2")
# Y轴边际（修正你之前的错误：应该用predicted字段而非observed）
g.ax_marg_y.hist(data2["predicted"], color="#ff4b5c", alpha=0.5, orientation="horizontal", label="数据集2")

# 添加图例区分两个数据集
g.ax_joint.legend()
g.ax_marg_x.legend()
g.ax_marg_y.legend()

plt.show()

关键细节说明： #

1. 修正代码错误：你之前绘制Y轴边际分布时误用了observed字段，改为predicted才能对应Y轴的预测值分布。
2. 透明度的作用：设置alpha=0.5让两个数据集的边际分布重叠区域半透明显示，既不会互相遮挡，又能直观对比分布差异。
3. 图例辅助区分：给每个绘图元素添加label并调用legend()，可以明确区分两个数据集的对应图形。

如果偏好核密度估计图（KDE）代替直方图，也可以替换成以下写法：

# 替换边际分布为KDE图
g.ax_marg_x.kdeplot(data2["observed"], color="#ff4b5c", alpha=0.7, label="数据集2")
g.ax_marg_y.kdeplot(data2["predicted"], color="#ff4b5c", alpha=0.7, vertical=True, label="数据集2")

内容的提问来源于stack exchange，提问作者PW14