🎨 Seaborn：高级数据可视化库

Seaborn 是建立在 Matplotlib 之上的数据可视化库，集成了更漂亮的默认主题、统计图形以及与 Pandas 的高度集成，适用于探索性数据分析（EDA）。

---

🧐 Seaborn 解决了什么问题？

虽然 Matplotlib 功能强大，但它对样式控制比较原始，绘制统计图不够方便。Seaborn 帮助我们：

• 快速绘制统计图（如分布图、箱线图、热图等）
• 自动与 Pandas 集成，支持 DataFrame
• 自动调色、美化图表，减少繁杂设置

---

🛠️ 基础使用

导入 seaborn 作为 sns
导入 matplotlib.pyplot 作为 plt
导入 seaborn 内置数据集

---

1️⃣ 分布图 sns.histplot() / sns.kdeplot()

显示变量的分布频率（直方图、密度图）。

sns.直方图(tips["total_bill"])
sns.密度图(tips["total_bill"])
plt.显示()

---

2️⃣ 散点图 sns.scatterplot()

可视化两个变量之间的关系。

<SmartCodeBlock
language="pymyet"
displayCode={`sns.散点图(x="total_bill", y="tip", 数据=tips)
plt.显示()`}
copyCode={`sns.scatterplot(x="total_bill", y="tip", data=tips)
plt.show()`}
/>

---

3️⃣ 分类图 sns.boxplot() / sns.violinplot() / sns.barplot()

用于展示分类变量与数值变量之间的关系。

箱线图（boxplot）

sns.箱线图(x="day", y="total_bill", 数据=tips)
plt.显示()

小提琴图（violinplot）

sns.小提琴图(x="day", y="tip", 数据=tips)
plt.显示()

---

4️⃣ 条形图 sns.barplot()

展示各组的平均值 + 误差条。

sns.条形图(x="sex", y="tip", 数据=tips)
plt.显示()

---

5️⃣ 热力图 sns.heatmap()

用于显示二维数据的热度强弱。

# 创建交叉表
透视 = tips.数据透视表(索引="day", 列="sex", 值="total_bill", 聚合="平均")
sns.热力图(透视, 注释=True, 格式=".1f", cmap="YlGnBu")
plt.显示()

---

6️⃣ 成对图 sns.pairplot()

一次性查看多个变量两两之间关系。

sns.成对图(tips, 色彩="sex")
plt.显示()

---

7️⃣ 设置主题风格

sns.设置风格("白网格")
sns.箱线图(x="day", y="total_bill", 数据=tips)
plt.显示()

---

✅ 常用风格设置

设置函数	参数取值
sns.set_style()	"white", "dark", "whitegrid", "darkgrid", "ticks"
sns.set_context()	"notebook", "talk", "paper", "poster"
sns.set_palette()	调色板名称，如 "pastel"、"deep"、"muted"、"Set2" 等

---

🎯 总结

图类型	函数名	功能描述
直方图	histplot()	显示频率分布
密度图	kdeplot()	显示平滑概率密度函数
散点图	scatterplot()	两变量关系
条形图	barplot()	分类变量的均值
箱线图	boxplot()	显示中位数和异常值
小提琴图	violinplot()	分布 + 密度
热力图	heatmap()	表格数据可视化
成对图	pairplot()	所有变量两两关系图

---