在使用Seaborn进行数据可视化时，散点图是展示两个数值变量关系的常用图表，当数据包含分类列时，我们往往希望用不同颜色区分不同类别，同时自动生成对应的颜色图例，让图表信息更清晰。Seaborn本身已经内置了自动关联分类列和颜色图例的能力，不需要额外手动配置图例内容，只需要正确设置绘图参数即可实现。
核心实现逻辑
Seaborn的散点图绘制函数scatterplot提供了hue参数，该参数专门用于指定分类列，函数会自动根据分类列的不同取值分配不同颜色，并且自动在图表右侧生成对应的颜色图例，不需要用户额外调用图例生成方法。
关键参数说明
- hue：传入DataFrame中分类列的列名，Seaborn会根据该列的取值自动分组并分配颜色
- palette：可选参数，用于指定颜色调色板，不设置时Seaborn会使用默认调色板
- legend：可选参数，控制图例的显示方式，默认值为
auto，会自动根据hue参数生成图例
完整代码示例
下面使用Seaborn内置的鸢尾花数据集演示如何实现自动添加分类列颜色图例，该数据集包含三个鸢尾花类别，正好作为分类列使用。
import seaborn as sns
import matplotlib.pyplot as plt
# 加载内置的鸢尾花数据集
iris = sns.load_dataset("iris")
# 绘制散点图，指定hue参数为分类列species
sns.scatterplot(
data=iris,
x="sepal_length", # x轴为花萼长度
y="sepal_width", # y轴为花萼宽度
hue="species", # 分类列为species，自动生成颜色图例
palette="Set2" # 指定调色板
)
# 设置图表标题
plt.title("鸢尾花数据集散点图（按类别自动添加颜色图例）")
# 显示图表
plt.show()
自定义图例配置
如果需要调整图例的位置、标题等内容，可以通过matplotlib的图例相关方法进行修改，Seaborn生成的图例本质也是matplotlib的图例对象，支持常规自定义操作。
import seaborn as sns
import matplotlib.pyplot as plt
iris = sns.load_dataset("iris")
# 绘制散点图
ax = sns.scatterplot(
data=iris,
x="sepal_length",
y="sepal_width",
hue="species"
)
# 获取当前图例对象，修改图例标题和位置
legend = ax.get_legend()
legend.set_title("鸢尾花类别") # 设置图例标题
ax.legend(loc="upper left") # 设置图例位置为左上角
plt.title("自定义图例的鸢尾花散点图")
plt.show()
常见问题说明
如果绘制散点图时没有自动出现颜色图例，通常有以下两个原因：一是没有设置hue参数，Seaborn无法识别分类列；二是手动设置了legend="brief"或者legend=False，导致图例被隐藏。只需要检查这两个参数的配置即可解决问题。
注意：如果分类列的取值过多，自动生成的图例可能会占用较大图表空间，此时可以适当调整图表尺寸，或者选择取值更少的分类列作为hue参数的传入值。