如何为Seaborn分组小提琴图添加基于平均Fare的颜色刻度

要实现给每个半小提琴基于对应class+alive分组的平均fare值着色并添加颜色刻度，你可以按以下步骤操作：

步骤1：预计算分组平均票价 #

先从泰坦尼克数据集里算出每个（舱位+存活状态）组合的平均票价，作为颜色映射的依据：

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 加载数据集
df = sns.load_dataset("titanic")

# 计算每个(class, alive)分组的平均fare
group_means = df.groupby(["class", "alive"])["fare"].mean().reset_index()
# 生成分组到平均票价的映射字典
fare_map = {(row["class"], row["alive"]): row["fare"] for _, row in group_means.iterrows()}

步骤2：绘制基础小提琴图并自定义着色 #

先绘制拆分的小提琴图，再遍历每个小提琴元素，根据对应分组匹配平均票价，给半小提琴上色：

# 初始化颜色映射和归一化器（把fare值映射到颜色范围）
cmap = plt.cm.viridis
norm = plt.Normalize(vmin=group_means["fare"].min(), vmax=group_means["fare"].max())

# 绘制基础小提琴图，用临时灰色占位hue颜色
ax = sns.violinplot(
    data=df, x="class", y="age", hue="alive",
    split=True, inner="quart", palette=["gray", "gray"]
)

# 遍历每个小提琴组件，按分组着色
for violin in ax.collections:
    # 获取当前小提琴对应的舱位标签
    x_pos = violin.get_offsets()[0][0]
    class_label = ax.get_xticklabels()[int(x_pos)].get_text()
    # 拆分小提琴的左右半部分，分别对应alive的两个取值
    paths = violin.get_paths()
    for i, path in enumerate(paths):
        alive_label = ["yes", "no"][i] if x_pos % 1 == 0 else ["no", "yes"][i]
        # 获取该分组的平均票价
        avg_fare = fare_map[(class_label, alive_label)]
        # 给半小提琴填充对应颜色
        path.set_facecolor(cmap(norm(avg_fare)))
        path.set_edgecolor("white")  # 加白边区分半小提琴

# 添加颜色条，展示票价与颜色的对应刻度
sm = plt.cm.ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])
plt.colorbar(sm, ax=ax, label="平均票价(Fare)")

plt.title("不同舱位、存活状态下年龄分布（颜色对应平均票价）")
plt.show()

关键说明 #

• 先用灰色绘制小提琴，避免默认hue颜色干扰，之后再替换为基于平均票价的颜色
• 通过遍历小提琴的路径（paths），拆分左右半部分匹配alive的两个类别，对应到分组的平均票价
• 用ScalarMappable生成颜色条，把平均票价的数值范围和颜色映射关联，实现颜色刻度的可视化

内容的提问来源于stack exchange，提问作者Aleksander