一、Seaborn概述
Seaborn 是基于 matplotlib的图形可视化 python包。提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。
Seaborn在 matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。
Seaborn和 Pandas的API配合的很好，使用DataFrame/Series的数据就可以绘图
二、绘制单变量图
1、直方图 histplot
# 导包
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 配置Matplotlib
# 设置正常显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
# 设置如何显示负号
plt.rcParams['axes.unicode_minus'] = FalsercParams：是一个字典，用于设置Matplotlib的配置参数
' font.sans-serif '：是rcParams中的一个键，它用于指定无衬线字体（sans-serif 字体）的默认字体。
[ ' SimHei ' ]：是一个列表，其中包含一个字体名称。这里，我们设置默认的无衬线字体为“SimHei”。“SimHei”是一种常用的中文字体，用于在显示中文时确保文字的正常显示。 #
' axes.unicode_minus '：用于指定是否使用Unicode字符来表示负号。
# 加载小费数据
tips = pd.read_csv('data/tips.csv')
# 使用subplots函数创建画布，并在其中添加子图
fig, ax = plt.subplot(figsize=(12,6))
# kde 绘制核密度估计
sns.histplot(tips['total_bill'],kde=True,ax=ax)
ax.set_title('总账单直方图')
plt.show()运行结果：
2、密度图（核密度估计） kdeplot
是展示单变量分布的另一种方法，本质上是通过绘制每个数据点为中心的正态分布，然后消除重叠的图，使曲线下的面积为1来创建的。
sns.kdeplot(tips['total_bill'],ax=ax)
ax.set_title('总账单KDE图')
plt.show()运行结果：
3、计数图（条形图） countplot
计数图（条形图）是对离散变量（分类变量）计数
sns.countplot(data=tips,x='day')
ax.set_title('Count of days')
ax.set_xlabel('Day of the Week')
ax.set_ylabel('Frequency')
plt.show()运行结果：
三、双变量数据可视化
1、散点图 scatterplot
sns.scatterplot(x='total_bill',y='tip',data=tips)
ax.set_title('Total Bill 和 Tip 散点图')
ax.set_xlabel('Total Bill')
ax.set_ylabel('Tip')
plt.show()运行结果：
regplot 不仅可以绘制散点图，还会拟合回归线，把 fit_reg 设置为False，将只显示散点图
sns.regplot(x='total_bill',y='tip',data=tips)
ax.set_title('regplot of Total Bill and Tip')
ax.set_xlabel('Total Bill')
ax.set_ylabel('Tip')
plt.show()运行结果：
lmplot 函数和regplot函数类似，也可以用于创建散点图。lmplot 函数内部会调用regplot，两者的主要区别是 regplot 创建坐标轴，而 lmplot 创建图
sns.lmplot(x='total_bill',y='tip',data=tips)运行结果：
还可以使用 jointplot 在每个轴上创建包含单个变量的散点图
joint = sns.jointplot(x='total_bill',y='tip',data=tips)
joint.set_axis_labels(xlabel = 'Total Bill', ylabel = 'Tip')
joint.fig.suptitle('Joint Plot of Total Bill and Tip', fontsize = 10, y=1.03)
plt.show()运行结果：
2、蜂巢图
使用 Seaborn 的 jointplot 绘制蜂巢图
joint = sns.jointplot(x='total_bill',y='tip',data=tips,kind='hex')
joint.set_axis_labels(xlabel = 'Total Bill', ylabel = 'Tip')
joint.fig.suptitle('Hexbin Joint Plot of Total Bill and Tip', fontsize = 10, y=1.03)
plt.show()运行结果：
3、 2D密度图
2D密度图和 kdeplot 类似，但2D核密度图可展示两个变量
sns.kdeplot(data=tips,x='total_bill',y='tip',fill=True) # 是否填充轮廓
ax.set_title('Kernel Density Plot of Total Bill and Tip')
ax.set_xlabel('Total Bill')
ax.set_ylabel('Tip')
plt.show()运行结果：
sns.kdeplot(data=tips,x='total_bill',y='tip') # 是否填充轮廓运行结果：
4、条形图 barplot
barplot 默认会计算平均值
sns.barplot(x='time',y='total_bill',data=tips,errorbar=None)运行结果：
5、箱线图 boxplot
用于显示多种统计信息：最小值，1/4分位，中位数，3/4分位，最大值，以及离群值（如果有）
sns.boxplot(x='time',y='total_bill',data=tips)
箱子的中间有一条线，代表了数据的中位数
箱子的上下底，分别是数据的上四分位数（Q3）和下四分位数（Q1）
箱体包含了50%的数据。因此，箱子的高度在一定程度上反映了数据的波动程度
上下边缘则代表了该组数据的最大值和最小值
有时候箱子外部会有一些点，可以理解为数据中的“异常值”
6、小提琴图 violinplot
箱线图是经典的可视化方法，但可能会掩盖数据的分布，小提琴图能显示与箱线图相同的值 小提琴图把"箱线"绘成核密度估计，有助于保留数据的更多可视化信息
sns.violinplot(x='time',y='total_bill',data=tips)
7、成对关系
当大部分数据是数值时，可以使用 pairplot 函数把所有成对关系绘制出来
pairplot 函数会为单变量绘制直方图，双变量绘制散点图
sns.pairplot(tips)
pairplot 的缺点是存在冗余信息，图的上半部分和下半部分相同
可以使用 pairgrid 手动指定图的上半部分和下半部分
pair_grid = sns.PairGrid(tips)
pair_grid.map_upper(sns.regplot)
pair_grid.map_lower(sns.kdeplot)
pair_grid.map_diag(sns.histplot)
plt.show()
四、多变量数据
1、通过颜色区分
使用 violinplot 函数时，可以通过 hue 参数按性别（sex）给图着色，可以为“小提琴”的左右两半着不同颜色，用于区分性别
sns.violinplot(x='time', y='total_bill', hue='sex', data=tips, split=True)
scatter = sns.lmplot(x='total_bill', y='tip', data = tips, hue='sex', fit_reg = False)
sns.pairplot(tips, hue = 'sex')
2、通过大小和形状区分
可以通过点的大小表示更多信息，但通过大小区分应谨慎使用，当大小差别不大时很难区分 在Seaborn中的 lmplot，可以通过 scatter_kws 参数来控制散点图点的大小
scatter = sns.lmplot(x='total_bill', y='tip', data = tips, fit_reg=False, hue='sex', markers=['o','x'])
五、Seaborn主题和样式
可以使用 sns.set_style 函数更改样式，该函数只要运行一次，后续绘图的样式都会发生变化 Seaborn 有5种样式：darkgrid 黑色网格（默认）、whitegrid 白色网格、dark 黑色背景、white 白色背景
fig,ax = plt.subplots()
ax = sns.violinplot(x='time', y='total_bill', hue='sex', data = tips, split = True)
