如何用Seaborn基于含向量元素的Pandas DataFrame绘制多线图？

我非常喜欢用Seaborn绘制pandas DataFrame时的hue=和style=这类分组/分类关键字参数，比如处理标量值的散点图时非常方便：

import pandas as pd
import seaborn as sns
import numpy as np

df = pd.DataFrame({'x':[[1,2,3],[1,2,3,4],[1,2,3]],
                   'y':[[1,2,3],[4,4,8,3],[3,6,8]],
                   'cat1': ['x','y','x'],
                   'cat2': ['a','b','c']})

df[['x_mean','y_mean']] = df[['x','y']].applymap(np.mean)

# 标量值散点图，轻松实现分组
sns.scatterplot(data=df, x='x_mean', y='y_mean', style='cat1', hue='cat2')

但这种方式只适用于均值这类标量值。当我想把'y'随'x'变化绘制成多条折线时，只能用两种不太方便的方法：

• 遍历每一行：

# 折线图无法直接用分组参数
for i, row in df.iterrows():
    sns.lineplot(data=row, x='x', y='y', style='cat1', hue='cat2')

此时style和hue完全无法正常工作，还要手动定义映射、创建图例，非常麻烦。

• 展开'x'和'y'列，但对大型数组来说效率太低。

有没有更优雅的实现方法？

核心思路是把每行的x和y列表拆成一一对应的行，同时保留分组列cat1、cat2的信息，这样就能直接用Seaborn的hue和style参数了。

步骤1：为每行添加唯一标识（可选但推荐） #

给每行加一个id列，方便后续区分不同的折线：

df['id'] = df.index

步骤2：同时展开x和y列 #

利用pandas的explode方法，同时对x和y列进行展开，确保每个x值对应正确的y值：

df_long = df.explode(['x', 'y'], ignore_index=True)
# 转换数值类型（explode后可能为字符串，视情况处理）
df_long[['x', 'y']] = df_long[['x', 'y']].astype(int)

步骤3：用Seaborn绘制折线图 #

现在可以直接使用hue和style参数，还能通过units指定每条折线的独立标识：

sns.lineplot(data=df_long, x='x', y='y', hue='cat2', style='cat1', units='id', estimator=None)

这样绘制的折线图会自动根据cat1设置线条样式，cat2设置颜色，并且生成正确的分组图例，完全不需要手动处理映射。

完整代码 #

import pandas as pd
import seaborn as sns
import numpy as np

df = pd.DataFrame({'x':[[1,2,3],[1,2,3,4],[1,2,3]],
                   'y':[[1,2,3],[4,4,8,3],[3,6,8]],
                   'cat1': ['x','y','x'],
                   'cat2': ['a','b','c']})

# 添加唯一标识
df['id'] = df.index
# 展开列表列
df_long = df.explode(['x', 'y'], ignore_index=True)
df_long[['x', 'y']] = df_long[['x', 'y']].astype(int)

# 绘制分组折线图
sns.lineplot(data=df_long, x='x', y='y', hue='cat2', style='cat1', units='id', estimator=None)

这种方法相比手动遍历更简洁，相比手动展开更高效，完美利用了Seaborn的分组功能。

内容的提问来源于stack exchange，提问作者Niclas