Seaborn是基于 Matplotlib 的图形可视化库。该库提前定义好了一套自己的风格，也封装了一系列的方便的绘图函数，之前通过 matplotlib 需要很多代码才能完成的绘图，使用 seaborn 可能就是一行代码的事情。总结一句话：使用 seaborn 绘图比 matplotlib 更美观、简单。

2. 分类绘图

分类图的绘制采用的是 sns.catplpt 来实现的，cat 是 category 的简写。这个方法默认绘制的是 分类散点图 ，如果想要绘制其他类型的图，同样也是通过 kind 参数来指定的。并且分类绘图中，分成分类散点图、分类分布图、分类统计图。

2.1 分类散点图

分类散点图比较适合数据量不是很多的情况，使用 catplot 来实现，但是也有以下两个特别的方法：
（1） stripplot()：catplot(kind=“strip”)，默认的
（2） swarmplot()：catplot(kind=“swarm”)
补充：catplot 方法不能使用 size 和 style 参数

2.1.1 stripplot

#按照星期几的分类散点图
#hue用来控制第三个变量的颜色显示的
sns.catplot(x="day",y="total_bill",data=tips,kind="strip",hue="sex")

2.1.2 swarmplot

#采用了一定的算法让点不会重叠
#只适合小数据集
#相当于sns.catplot(x="day",y="total_bill",data=tips,kind="swarm")
sns.swarmplot(x="day",y="total_bill",data=tips)

2.1.3 横向分类散点图

想要将垂直的分类散点图变成横向的，只需要把 x 和 y 对应的值进行互换即可。

#将上例中x值与y值互换
sns.swarmplot(x="total_bill",y="day",data=tips)

2.2 分类分布图

分类分布图主要是根据分类来看，然后再每个分类下的数据分布情况。也是通过 catplot 来实现，以下三个方法分别是不同的 kind 参数
（1） boxplot()：catplot(kind=“box”)
（2） violinplot()：catplot(kind=“violin”)
（3） boxenplot()：catplot(kind=“boxen”)

2.2.1 箱线图

#数据准备
athletes = pd.read_csv("athlete_events.csv")
countries={
    
    'CHN':'中国',
    'JPN':'日本',
    'KOR':'韩国',
    'USA':'美国',
    'CAN':'加拿大',
    'BRA':'巴西',
    'GBR':'英国',
    'FRA':'法国',
    'ITA':'意大利',
    'ETH':'埃塞俄比亚',
    'KEN':'肯尼亚',
    'NIG':'尼日利亚',
}
my_athletes = athletes[athletes['NOC'].isin(list(countries.keys()))]

#设置字体
plt.rcParams['font.sans-serif']=['SimHei']
#设置大小
plt.figure(figsize=(20,5))
sns.boxplot(x="NOC",y="Height",data=my_athletes,hue="Sex")
plt.xticks(range(len(countries.values())),countries.values())
plt.show()

2.2.2 小提琴图

小提琴实际上就是两个对称的核密度曲线（KDE曲线）合并起来，然后中间是一个箱线图（也可以为其他图）组成的。通过小提琴图可以看出数据的分布情况。
小提琴的中间默认绘制的事箱线图，也可以修改为其他类型的。可以通过 inner 参数修改，这个参数有以下选项：
（1） box：默认的，箱线图
（2） quartile：四分位数。上下四分位数加中位数
（3） point：散点
（4） stick：线条

tips = pd.read_csv("dataset/tips.csv")
#一个小提琴图
sns.violinplot(x="day",y="total_bill",data=tips,inner="stick")

#多个小提琴图
#使用hue参数进行分组
sns.violinplot(x="day",y="total_bill",data=tips,inner="quartile",hue="sex")

#split表示是否将整个小提琴分割开来进行展示
sns.violinplot(x="day",y="total_bill",data=tips,inner="quartile",hue="sex",split=True)

2.2.3 增强箱线图

增强箱线图可以展示更多的分位，用的是 boxenplot。

plt.rcParams['font.sans-serif']=['SimHei']
plt.figure(figsize=(20,5))
sns.boxenplot(x="NOC",y="Height",data=my_athletes,hue="Sex")
plt.xticks(range(len(countries.values())),countries.values())
plt.show()

2.3 分类统计图

分类统计图则是根据分类统计每个分类下的数据的个数或者比例。有以下几种方式：
（1） barplot()：catplot(kind=“bar”)
（2） pointplot()：catplot(kind=“point”)
（3） countplot()：catplot(kind=“count”)

2.3.1 条形图

Seaborn 中的条形图具有统计的功能，可以自动统计出比例、平均数，也可以按照你想要的统计函数来统计。

2.3.1.1 统计平均数

#统计星期三到星期天的消费总额平均数
sns.catplot(x="day",y="total_bill",data=tips,kind="bar")

2.3.1.2 统计总额

sns.catplot(x="day",y="total_bill",data=tips,kind="bar",estimator=sum)

2.3.1.3 统计比例

titanic = pd.read_csv("dataset/titanic.csv")
#默认为获救比例，设置estimator=sum可统计获救总人数
sns.catplot(x="sex",y="survived",data=titanic,kind="bar")

2.3.2 柱状图

柱状图是专门用来统计某个单一变量出现数量的图形。x 和 y 只能传一个。

sns.catplot(x="sex",data=titanic,kind="count")

#横向柱状图
sns.catplot(y="sex",data=titanic,kind="count")

#分类显示
sns.catplot(x="sex",data=titanic,kind="count",hue="survived")

2.3.3 点线图

点线图可以非常方便的看到变量之间的趋势变化。

sns.catplot(x="sex",y="survived",data=titanic,kind="point")

sns.catplot(x="sex",y="survived",data=titanic,kind="point",hue="class")