合并多数据集后，如何用Seaborn绘制多列数据的多线图？

嘿，我来帮你搞定这个问题！你之前的代码没法运行，是因为Seaborn的lineplot函数对y参数的要求和你想的不一样——它不接受列名的列表，而是需要**长格式（long-form）**的数据结构，或者你得手动分别绘制每条线。下面给你两种靠谱的解决方案：

方法一：转成长格式数据（Seaborn推荐方式） #

Seaborn天生更适配长格式数据，我们可以用pandas.melt()把你的宽格式DataFrame转成符合要求的结构，这样能让绘图逻辑更清晰，还能自动生成图例：

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

# 先确认合并后的数据集结构（可选，用来验证数据）
print(result.head())

# 将宽格式数据转为长格式
melted_df = result.melt(
    id_vars='x',  # 保留作为横坐标的列
    var_name='density_type',  # 新列：用来区分不同密度数据的名称
    value_name='density_value'  # 新列：对应密度的数值
)

# 绘制多线图，用hue区分不同的密度线
sns.lineplot(x='x', y='density_value', hue='density_type', data=melted_df)

# 显示图形
plt.show()

转成的长格式数据大概长这样：

这样Seaborn会自动根据density_type给不同的线分配颜色，并生成对应的图例，非常省心。

方法二：手动循环绘制每条线（适合少量列的场景） #

如果你不想转换数据格式，也可以直接循环遍历要绘制的列，逐个调用lineplot：

import seaborn as sns
import matplotlib.pyplot as plt

# 定义要绘制的密度列列表
density_columns = ['density1', 'density2']

# 创建画布
plt.figure(figsize=(8, 5))

# 循环绘制每条线
for col in density_columns:
    sns.lineplot(x='x', y=col, data=result, label=col)

# 自定义图例和标签
plt.legend(title='Density Series')
plt.xlabel('X Axis')
plt.ylabel('Density Value')

# 显示图形
plt.show()

这种方法更直观，适合只有少数几列需要绘制的情况，你可以完全控制每条线的样式（比如颜色、线型）。

为什么你原来的代码不行？ #

你之前写的sns.lineplot(x='x', y=['density1', 'density2'], data=result)，问题出在y参数——Seaborn的lineplot要求y是单个列名（字符串）或者对应的Series，而不是列名列表。传入列表后函数无法正确解析数据，自然会报错啦。

内容的提问来源于stack exchange，提问作者Suslik