如何为Seaborn displot的不同hue类别指定Matplotlib样式参数？

要实现给Normal类设置红色不透明、Uniform类设置alpha=0.5的效果，有两种实用方法：

方法一：分类别单独绘制（推荐） #

直接针对每个类别调用Axes-level绘图函数，精准控制各自的样式参数，步骤清晰易维护：

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

samples = 2**13
data = pd.DataFrame({'Values': list(np.random.normal(size=samples)) + list(np.random.uniform(size=samples)), 
                     'Kind': ['Normal'] * samples + ['Uniform'] * samples})

# 创建画布与轴对象
fig, ax = plt.subplots()

# 先画Uniform类，设置半透明
sns.histplot(data[data['Kind'] == 'Uniform'], 
             x='Values', fill=True, alpha=0.5, label='Uniform', ax=ax)
# 再画Normal类，设置红色完全不透明
sns.histplot(data[data['Kind'] == 'Normal'], 
             x='Values', fill=True, color='red', alpha=1, label='Normal', ax=ax)

# 添加图例
ax.legend()
plt.show()

如果需要绘制KDE曲线，只需把histplot换成kdeplot即可，参数逻辑完全一致。

方法二：修改displot生成的元素 #

如果已经用displot生成了图，可以通过获取FacetGrid对象，遍历对应元素修改样式：

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

samples = 2**13
data = pd.DataFrame({'Values': list(np.random.normal(size=samples)) + list(np.random.uniform(size=samples)), 
                     'Kind': ['Normal'] * samples + ['Uniform'] * samples})

# 生成displot并获取FacetGrid实例
g = sns.displot(data, hue='Kind', x='Values', fill=True)

# 针对直方图的柱子（patches）修改样式
for patch, label_text in zip(g.ax.patches, [t.get_text() for t in g.legend.get_texts()]):
    if label_text == 'Normal':
        patch.set_facecolor('red')
        patch.set_alpha(1)
    elif label_text == 'Uniform':
        patch.set_alpha(0.5)

# 如果是KDE曲线，替换成以下代码遍历lines
# for line, label_text in zip(g.ax.lines, [t.get_text() for t in g.legend.get_texts()]):
#     if label_text == 'Normal':
#         line.set_color('red')
#         line.set_alpha(1)
#     elif label_text == 'Uniform':
#         line.set_alpha(0.5)

plt.show()

内容的提问来源于stack exchange，提问作者yujaiyu