Seaborn lmplot使用hue/row/column时标记大小无法保留的问题

这个问题我之前踩过坑！当你给lmplot加上hue、row或column这类分组参数时，Seaborn会把原始数据拆分成多个子集分别绘制到不同的子图/分组中。这时候如果你直接在scatter_kws里传入整个数据集的marker_size序列，每个子图拿到的是原数据的子集，索引和你传入的size序列不匹配，自然就没法正确对应每个点的大小了。

先确认下复现问题的代码（整理后）：

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")
tips['marker_size'] = tips['size'] * 20

# 开启hue参数后，marker_size失效
g = sns.lmplot(
    x="tip", y="total_bill",
    hue="smoker",  # 分组参数导致大小失效
    fit_reg=False,
    data=tips,
    size=8, aspect=.7,
    scatter_kws={'s': tips['marker_size']}
)
plt.show()

下面给两个亲测有效的解决方案：

方案1：用FacetGrid手动构建并绘制散点 #

lmplot本质是FacetGrid的封装，直接用底层API能更灵活地控制每个子图的参数：

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")
tips['marker_size'] = tips['size'] * 20

# 初始化FacetGrid，指定分组参数
g = sns.FacetGrid(tips, hue="smoker", size=8, aspect=.7)
# 用map方法绘制散点，自动匹配每个子集的marker_size
g.map(sns.scatterplot, "tip", "total_bill", s=tips['marker_size'])
# 添加图例
g.add_legend()
plt.show()

方案2：在scatter_kws中使用lambda函数 #

这是更简洁的方式，让每个子图自动从当前数据子集中获取大小值：

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")
tips['marker_size'] = tips['size'] * 20

g = sns.lmplot(
    x="tip", y="total_bill",
    hue="smoker",
    fit_reg=False,
    data=tips,
    size=8, aspect=.7,
    # lambda接收当前子图的数据集，取出对应marker_size列
    scatter_kws={'s': lambda data: data['marker_size']}
)
plt.show()

这个lambda函数会针对每个分组的数据集子集，自动取出对应的marker_size值作为散点大小，完美解决索引不匹配的问题。

内容的提问来源于stack exchange，提问作者sqlnewbie1979