Seaborn概述
Seaborn是基于matplotlib的Python数据可视化库，并与pandas数据结构紧密集成。它提供了一个高级界面，用于绘制引人入胜且内容丰富的统计图形。它相对matplotlib用起来很简单，只需要简单几行代码就能绘制出比较好的图。
seaborn提供的一些功能
- 面向数据集的API，用于检查多个变量之间的关系
- 专门支持使用分类变量显示观察结果或汇总统计信息
- 可视化单变量或双变量分布以及在数据子集之间进行比较的选项
- 不同种类因变量的线性回归模型的自动估计和绘图
- 方便查看复杂数据集的整体结构
- 用于构造多图网格的高级抽象，可让您轻松构建复杂的可视化
- 带有几个内置主题的 matplotlib图形样式的精确控制
- 选择能够忠实显示数据中图案的调色板的工具
- 提供一些内置数据集
下面我会通过一些简单绘图，以及一些可视化的应用来介绍部分功能，由于Seaborn这个包相对还是比较多，我提到的只是一个片面，最好的学习资料永远是官方文档。
内置数据集
seaborn自带了一些数据，方便我们学习使用，这几个数据集也是很好的数据可视化案例分析对象，我们可以查看一下相应自带的那些数据集。但首先我们要做好准备工作，这个是不能忘的。
准备工作
首先查看一下我们电脑上安装的seaborn版本是什么样，因为不同版本号存在图形和功能差异，这个小编踩过坑，同样的代码在不同版本的运行结果不同，有可能还会报错，希望大家可以和我的版本一致，至于怎么查看自己安装的包对应的版本号和如何升级，这个我就不介绍了。
import seaborn as sns
sns.__version__
运行结果：
'0.9.0'
我们方便后面的进行，最好还做一下这些准备，注意我用的jupyter notebook环境编辑的，有些存在差异，自己修正就行了。
#准备工作
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei']# 支持中文显示
plt.rcParams['axes.unicode_minus'] = False #用来正常正负符号
sns.set_style('darkgrid',{'font.sans-serif':['SimHei','Arial']})
import warnings #去除部分警告信息
warnings.filterwarnings('ignore')
调用在线数据集
seaborn提供了一些在线数据集，方便我们入门学习使用，我们首先可以看看有哪些数据集：
names = sns.get_dataset_names()#查看seaborn自带的数据集名称
names
运行结果：
['anscombe',
'attention',
'brain_networks',
'car_crashes',
'diamonds',
'dots',
'exercise',
'flights',
'fmri',
'gammas',
'iris',
'mpg',
'planets',
'tips',
'titanic']
我们可能好奇这些数据集分别是什么类型的数据集，具体是什么，这个我们可以去github上面看这个链接。
看到这里我们就想知道怎么调用这些数据了，主要利用seaborn.load_dataset()函数。我们可以看看这个函数的相关参数：
#Seaborn内置数据集
# seaborn.load_dataset(name,cache=True,data_home=None,**kws)
# Seaborn内置数据集可以通过load_dataset函数加载数据集，返回dataframe对象
# name 参数是数据集名字，https://github. com/mwaskom/seaborn-data定义数据集名。
# cache参数是否提供缓存。
# data_home参数是指定缓存路径，默认当前用户home下的seaborn-
# data 目录中。
# sns. get_dataset_names ()获得数据集名字
下面我以泰坦尼克号的数据为例，给大家看看怎么使用：
titanic=sns.load_dataset('titanic',cache=True)#导入泰坦尼克号数据集，以数据框的形式
当我们导入之后可以看看数据：
titanic.head(10)#显示前十条数据，默认五条
运行结果：