pairplot（也就是底层的PairGrid）现在将hue委托给Map函数（如果它支持的话）。你可能不想为每个价格绘制一个不同的边际密度，但是：

diamonds = sns.load_dataset("diamonds")
sns.pairplot(
    diamonds,
    hue="price", vars=["carat", "depth", "table"], 
    diag_kws=dict(color=".2", hue=None)
)

旧答案，用于演示PairGrid的更灵活使用：
这可能比现在更容易，但没有必要自己重新创建PairGrid。

diamonds = sns.load_dataset("diamonds")
g = sns.PairGrid(diamonds, vars=["carat", "depth", "table"])
g.map_diag(sns.kdeplot, color=".2")
g.map_offdiag(sns.scatterplot, hue=diamonds["price"], s=5, linewidth=0)
g.axes[1, -1].legend(loc="center left", bbox_to_anchor=(.7, .5))

您可以将target_df指定为train_df中的一列，并将其作为hue传递：

sns.pairplot(data=train_df.assign(target=target_df, 
                                  hue='target')

但是，如果您的target是连续的，这将非常慢。相反，你可以执行一个双for循环：

num_features = len(train_df.columns)
fig,ax = plt.subplots(num_features, num_features, figsize=(10,10))
for i in train_df.columns:
    for j in train_df.columns:
        if i==j:    # diagonal
            sns.distplot(train_df[0], kde=False, ax=ax[i][j])
        else:       # off diagonal
            sns.scatterplot(x=train_df[i],y=train_df[j], 
                            ax=ax[i][j], hue=target_df, palette='BrBG',
                            legend=False)

它给你这样的东西：

我的声望太低了，不能发表评论，所以我必须提供一个单独的答案。我在两个方面修改了选择的答案（Quang Hoang）。
首先，如果列的名称不是与子图网格对应的整数，那么您需要区分传递给train_df[i]的列的索引（这里是i和j）和传递给ax=ax[i,j]的子图的索引。
其次，seaborn的distplot已被弃用，因此将其切换到histplot。

num_feats = len(train_df.columns)
fig, ax = plt.subplots(num_feats, num_feats, figsize=(10,10))

# In order to assign the plots to the correct axes,
# create a dictionary to refer the column names to integers.
col_dict = dict(zip(train_df.columns, range(len(train_df.columns))))

for col_i in train_df.columns:
    i = col_dict[col_i]
    for col_j in train_df.columns:
        j = col_dict[col_j]
        if col_i==col_j:
            sns.histplot(train_df[col_i], kde=False, ax=ax[i,j])
        else:
            sns.scatterplot(x=train_df[col_i], y=train_df[col_j], ax=ax[i,j], hue=target_df, legend=False)

fig.tight_layout()  # make room for subplot labels

在文档（https://seaborn.pydata.org/generated/seaborn.pairplot.html）中，你可以看到，你只需要在调用函数时设置palette = my_palette，就像这样：
sns.pairplot(train_df, palette = my_palette)