如何用Seaborn为DataFrame中每个唯一name生成多hue折线图？

首先看你的原始数据结构：

name,id,score1,score2,score3
ax,1,32,43,32
sy,1,34,22,22
ax,2,22,6,8
ax,3,10,5,4
bz,1,22,2,2
sy,2,10,1,0
bz,2,9,8,1

你需要的效果是每个name对应一个子图，x轴为id，y轴为分数值，用hue区分三个分数列。核心问题是Seaborn的hue需要对应数据中的一列分类值，但你的分数分散在多列，所以第一步要把宽表转成适合Seaborn的长表格式。

具体步骤 #

1. 数据格式转换：用pandas.melt()把多个分数列合并成两列——一列标记分数类型（score1/score2/score3），一列存储对应分数值。
2. 分面绘图：用seaborn.FacetGrid按name拆分子图，再在每个子图里绘制折线图，指定x、y和hue对应转换后的列。

完整代码 #

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

# 读取数据（如果是从csv文件读取，替换为pd.read_csv('your_file.csv')）
data = pd.DataFrame({
    'name': ['ax', 'sy', 'ax', 'ax', 'bz', 'sy', 'bz'],
    'id': [1, 1, 2, 3, 1, 2, 2],
    'score1': [32, 34, 22, 10, 22, 10, 9],
    'score2': [43, 22, 6, 5, 2, 1, 8],
    'score3': [32, 22, 8, 4, 2, 0, 1]
})

# 宽表转长表：保留name和id作为标识列，合并score1/2/3为长格式
melted_data = pd.melt(
    data,
    id_vars=['name', 'id'],       # 不需要转换的列
    value_vars=['score1', 'score2', 'score3'],  # 要合并的分数列
    var_name='score_type',        # 新的分类列名（标记分数类型）
    value_name='score_value'      # 新的数值列名（存储分数值）
)

# 创建分面网格，按name拆分子图，共享x/y轴刻度
g = sns.FacetGrid(melted_data, col='name', sharex=True, sharey=True)

# 在每个子图绘制折线图，指定x、y、hue对应列
g.map(sns.lineplot, 'id', 'score_value', 'score_type', marker='o')

# 添加图例（FacetGrid默认不自动生成，手动补充）
g.add_legend(title='Score Type')

# 调整布局避免标签重叠
plt.tight_layout()
plt.show()

代码说明 #

• pd.melt()是核心操作：将原本每行对应一组name+id+三个分数的宽表，转成每行对应一组name+id+一个分数类型+对应值的长表，让Seaborn的hue能通过score_type列区分不同线条。
• FacetGrid(col='name')会自动为每个唯一的name生成独立子图，sharex/sharey参数保证子图轴刻度一致，便于对比不同name的分数变化。
• map()方法将lineplot应用到每个子图，参数依次对应x、y、hue的列名。

内容的提问来源于stack exchange，提问作者nerd