如何为Seaborn pairplot设置渐变颜色与可变标记大小

解决方案 #

你可以直接使用seaborn.PairGrid自定义非对角线绘图逻辑实现需求，不需要手动遍历列生成子图，逻辑更简洁，适配性也更强，不用依赖修改pairplot生成后的画布元素。
完整实现代码如下：

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

# 生成测试数据
np.random.seed(1)
a = np.arange(0, 10, 0.1)
def myFunc(x):
    return 10 + 10*x -x**2 + 1*np.random.random(x.shape[0])
b = myFunc(a)
c = a * np.sin(a)
df = pd.DataFrame({'a': a, 'b': b, 'c': c})

# 自定义颜色映射：低黄高蓝
cmap = LinearSegmentedColormap.from_list('yellow_blue', ['gold', 'lightblue', 'darkblue'])
# 标记大小缩放系数，可根据实际显示效果调整
size_scale = 2

# 初始化PairGrid，开启corner模式只画下三角
g = sns.PairGrid(df, corner=True)
# 对角线画直方图，颜色统一为灰色
g.map_diag(plt.hist, color=".6")
# 非对角线自定义散点图，颜色映射a列，大小映射b列
def scatter_custom(x, y, **kwargs):
    plt.scatter(x, y, c=df['a'], cmap=cmap, s=df['b']*size_scale, alpha=0.7)
g.map_offdiag(scatter_custom)

# 可选：添加颜色条说明颜色对应a列数值
sm = plt.cm.ScalarMappable(cmap=cmap, norm=plt.Normalize(vmin=df['a'].min(), vmax=df['a'].max()))
sm.set_array([])
g.figure.colorbar(sm, ax=g.axes, shrink=0.8, label='a value')

plt.show()

方案说明 #

1. 用PairGrid替代直接调用pairplot，可以自由定义不同位置子图的绘图逻辑，避免后续遍历修改画布元素的兼容性问题
2. 非对角线统一调用自定义的散点函数，一次性实现颜色按a列渐变、大小按b列缩放的需求，所有非对角子图自动生效
3. 可以根据需求调整size_scale参数控制标记大小范围，调整alpha参数避免点重叠看不清
4. 代码兼容seaborn所有主流版本，不会因为seaborn升级导致pairplot内部结构变化后遍历修改失效的问题

效果示意图：

内容的提问来源于stack exchange，提问作者user733733