如何在pandas.scatter_matrix中使用RGB值为单个散点精准配置颜色？

确实，pandas.scatter_matrix 和 seaborn.pairplot 作为高层封装函数，默认都不支持直接为单个散点指定自定义RGB颜色——它们的颜色参数只能设置统一色或者基于分类变量的分组色。不过我们可以通过访问底层的Matplotlib子图对象，或者手动实现配对散点图来解决这个需求，下面给你三种可行的方案：

方法一：手动用Matplotlib绘制配对散点图（最灵活） #

这个思路和你之前用scatter3D循环设置颜色的逻辑一致，只是扩展到了所有特征对的子图中。我们可以自己控制每个子图的绘制，完全自定义每个点的颜色：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 替换成你实际的df和val_rgb
df = pd.DataFrame(np.random.randn(100, 4), columns=["Feature1", "Feature2", "Feature3", "Feature4"])
val_rgb = np.random.randint(0, 256, size=(100, 3))  # 形状：(样本数, 3)的RGB数组

# 将0-255的RGB值转换为Matplotlib支持的0-1浮点数元组
colors = [tuple(rgb / 255) for rgb in val_rgb]

n_features = df.shape[1]
feature_names = df.columns

# 创建子图网格
fig, axes = plt.subplots(nrows=n_features, ncols=n_features, figsize=(12, 12))

# 遍历所有特征对绘制图形
for i in range(n_features):
    for j in range(n_features):
        ax = axes[i, j]
        if i == j:
            # 对角线绘制直方图（也可替换为核密度图）
            ax.hist(df.iloc[:, i], color=colors, alpha=0.6)
        else:
            # 非对角线绘制散点图，每个点用自定义颜色
            ax.scatter(df.iloc[:, j], df.iloc[:, i], color=colors, s=2, marker="o")
        
        # 优化坐标轴显示（只保留底部和左侧的标签）
        if i != n_features - 1:
            ax.set_xticks([])
        else:
            ax.set_xlabel(feature_names[j])
        if j != 0:
            ax.set_yticks([])
        else:
            ax.set_ylabel(feature_names[i])

plt.tight_layout()
plt.show()

方法二：修改pandas scatter_matrix生成的子图 #

如果你习惯用scatter_matrix快速生成布局，也可以先让它生成基础图形，再遍历子图替换每个散点的颜色：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 替换成你实际的df和val_rgb
df = pd.DataFrame(np.random.randn(100, 4), columns=["Feature1", "Feature2", "Feature3", "Feature4"])
val_rgb = np.random.randint(0, 256, size=(100, 3))
# 转换为十六进制颜色字符串（和你之前scatter3D的处理方式一致）
colors = ["#%02x%02x%02x" % tuple(rgb) for rgb in val_rgb]

n_features = df.shape[1]

# 先生成scatter_matrix，用临时颜色占位
axes = pd.plotting.scatter_matrix(df, figsize=(12, 12), color="lightgray", s=2, marker="o")

# 遍历所有子图，替换散点颜色
for i in range(n_features):
    for j in range(n_features):
        ax = axes[i, j]
        if i != j:  # 跳过对角线的直方图
            scatter_obj = ax.collections[0]
            scatter_obj.set_color(colors)

plt.tight_layout()
plt.show()

方法三：修改Seaborn Pairplot的散点颜色 #

如果你想用Seaborn的美化效果，同样可以在生成pairplot后，遍历子图修改散点颜色：

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

# 替换成你实际的df和val_rgb
df = pd.DataFrame(np.random.randn(100, 4), columns=["Feature1", "Feature2", "Feature3", "Feature4"])
val_rgb = np.random.randint(0, 256, size=(100, 3))
colors = [tuple(rgb / 255) for rgb in val_rgb]

# 生成pairplot，传递散点的样式参数
g = sns.pairplot(df, plot_kws={"s": 2, "marker": "o"})

# 遍历所有子图，替换散点颜色
for ax in g.axes.flat:
    if len(ax.collections) > 0:
        scatter_obj = ax.collections[0]
        scatter_obj.set_color(colors)

plt.tight_layout()
plt.show()

这三个方案里，手动绘制的灵活性最高，适合需要高度定制的场景；修改scatter_matrix的方式最快捷，能保留它的默认布局；Seaborn的方式则可以兼顾美观和自定义需求，你可以根据自己的使用习惯选择。

内容的提问来源于stack exchange，提问作者4daJKong