如何用Seaborn基于密度函数复刻KDE图样式（含曲线下填充）

我非常喜欢Seaborn的KDE图样式，现在我有一组由密度函数生成的数据集：x是样本的x值，y是对应的密度函数值，μσ是用于分组的分类变量（用来区分不同的密度分布，示例里是正态分布的均值和标准差）。我能用Seaborn的lineplot绘制曲线，但没法直接实现KDE图那样的曲线下填充效果。目前我是用lineplot加手动填充的方式实现了类似效果，但这只是临时方案，想知道怎么用Seaborn原生的方法更自然地复刻这种KDE图样式（包含曲线下区域填充）。

现有实现代码：

import numpy as np
import scipy as sp
import pandas as pd

from scipy.stats import norm

import matplotlib.pyplot as plt
import seaborn as sns


num_grid_pts  = 1000
val_μ         = [0, -1, 1, 0]
val_σ         = [1, 2, 3, 4]

num_var = len(val_μ) # variations

x = np.linspace(-10, 10, num_grid_pts)
P = np.zeros((num_grid_pts, num_var)) # PDF

μσ = [f'μ = {μ}, σ = {σ}' for μ, σ in zip(val_μ, val_σ)]

for ii, (μ, σ) in enumerate(zip(val_μ, val_σ)):
  randVar  = norm(μ, σ)
  P[:, ii] = randVar.pdf(x)

df_P = pd.DataFrame(data = {'x': np.tile(x, num_var), 'PDF': P.flatten('F'), 'μσ': np.repeat(μσ, len(x))})

f, ax = plt.subplots(figsize=(15, 10))
sns.lineplot(data=df_P, x='x', y='PDF', hue='μσ', ax=ax)
plot_lines = ax.get_lines()
for ii in range(num_var):
  ax.fill_between(x=plot_lines[ii].get_xdata(), y1=plot_lines[ii].get_ydata(), alpha=0.25, color=plot_lines[ii].get_color())
ax.set_title(f'Normal Distribution')
ax.set_xlabel(f'Value')
ax.set_ylabel(f'Probability')

plt.show()

Seaborn本身没有原生的带填充分组线图API，但可以通过两种更贴合Seaborn设计逻辑的方式替代手动遍历线条的临时方案：

方法1：利用FacetGrid批量绘制填充曲线 #

借助relplot创建FacetGrid，通过分组映射直接关联颜色，避免手动提取线条：

import numpy as np
import pandas as pd
from scipy.stats import norm
import matplotlib.pyplot as plt
import seaborn as sns

num_grid_pts = 1000
val_μ = [0, -1, 1, 0]
val_σ = [1, 2, 3, 4]
μσ = [f'μ = {μ}, σ = {σ}' for μ, σ in zip(val_μ, val_σ)]

x = np.linspace(-10, 10, num_grid_pts)
P = np.zeros((num_grid_pts, len(val_μ)))
for ii, (μ, σ) in enumerate(zip(val_μ, val_σ)):
    P[:, ii] = norm(μ, σ).pdf(x)

df_P = pd.DataFrame({
    'x': np.tile(x, len(val_μ)),
    'PDF': P.flatten('F'),
    'μσ': np.repeat(μσ, len(x))
})

# 创建带hue分组的线图FacetGrid
g = sns.relplot(data=df_P, x='x', y='PDF', hue='μσ', kind='line', 
                figsize=(15,10), legend='full')

# 遍历分组，用Seaborn自动分配的颜色填充
for name, group in df_P.groupby('μσ'):
    color = g._hue_map[name]
    g.ax.fill_between(group['x'], group['PDF'], alpha=0.25, color=color)

g.ax.set_title('Normal Distribution')
g.ax.set_xlabel('Value')
g.ax.set_ylabel('Probability')
plt.show()

方法2：直接使用Seaborn调色板映射颜色 #

通过color_palette获取Seaborn的分组配色，直接按分组填充，逻辑更直观：

import numpy as np
import pandas as pd
from scipy.stats import norm
import matplotlib.pyplot as plt
import seaborn as sns

num_grid_pts = 1000
val_μ = [0, -1, 1, 0]
val_σ = [1, 2, 3, 4]
μσ = [f'μ = {μ}, σ = {σ}' for μ, σ in zip(val_μ, val_σ)]

x = np.linspace(-10, 10, num_grid_pts)
P = np.zeros((num_grid_pts, len(val_μ)))
for ii, (μ, σ) in enumerate(zip(val_μ, val_σ)):
    P[:, ii] = norm(μ, σ).pdf(x)

df_P = pd.DataFrame({
    'x': np.tile(x, len(val_μ)),
    'PDF': P.flatten('F'),
    'μσ': np.repeat(μσ, len(x))
})

f, ax = plt.subplots(figsize=(15,10))
# 绘制线图，获取对应分组数的调色板
sns.lineplot(data=df_P, x='x', y='PDF', hue='μσ', ax=ax)
palette = sns.color_palette(n_colors=len(μσ))

# 按分组填充颜色
for idx, (name, group) in enumerate(df_P.groupby('μσ')):
    ax.fill_between(group['x'], group['PDF'], alpha=0.25, color=palette[idx])

ax.set_title('Normal Distribution')
ax.set_xlabel('Value')
ax.set_ylabel('Probability')
plt.show()

关键说明 #

• 两种方法都避免了直接操作Axes对象的线条，完全利用Seaborn的分组和配色系统，保持图例与填充颜色的一致性
• 方法1的_hue_map是FacetGrid内部维护的分组-颜色映射，能完美匹配Seaborn的图例配色
• 方法2直接调用Seaborn的调色板生成函数，逻辑更清晰，适合快速实现

内容的提问来源于stack exchange，提问作者Mark