提升你的洞察的最好方法之一是通過可視化你的數據：這樣，你可以更容易地識別模式，掌握到困難的概念以及注意到關鍵的要素，當你使用數據科學中的Python時，你很有可能已經用了Matplotlib,一個供你創建高質量圖像的2D庫。另一個免費的可視化庫是Seabon,他提供了一個繪制統計圖形的高級接口。
這篇文章覆蓋了大部分常見問題，當用戶開始用Seaborn庫的時候，下面有多少問題，你能正確地回答。
1. 用Seaborn VS Matplotlib ？
2.如何裝載數據來構建Seaborn點
2.1加載內置數據集
2.2 加載Pandas DataFrame數據集
3.如何顯示Seaborn點
4.如何在默認matplotlib的情況下，使用Seaborn
5.如何調整Seaborn的上下文環境
6.如何調整圖像樣式
7.如何旋轉標簽文字
8.如何設置X/Y坐標
9.如何設置刻度
10.如何添加標題
如果對Matplotlib及Seaborn感興趣的話，請參加DataCamp的課程Introduction to Data Visualization with Python.
Seaborn vs Matplotlib
正如你所知道的，Seaborn是比Matplotlib更高級的免費庫，特別地以數據可視化為目標，但他要比這一切更進一步：他解決了用Matplotlib的2個最大問題，正如Michael Waskom所說的：Matplotlib試著讓簡單的事情更加簡單，困難的事情變得可能，那么Seaborn就是讓困難的東西更加簡單。
用Matplotlib最大的困難是其默認的各種參數，而Seaborn則完全避免了這一問題。
# Import the necessary libraries
import matplotlib.pyplot as plt
import pandas as pd
# Initialize Figure and Axes object
fig, ax = plt.subplots()
# Load in data
tips = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/tips.csv")
# Create violinplot
ax.violinplot(tips["total_bill"], vert=False)
# Show the plot
plt.show()
# Import the necessary libraries
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
# Load the data
tips = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/tips.csv")
# Create violinplot
sns.violinplot(x = "total_bill", data=tips)
# Show the plot
plt.show()
Matplotlib的默認風格，通常不會增加顏色以及坐標軸的刻度標簽以及樣式。
而且Seaborn是Matplotlib的延伸和擴展，如果你知道Matplotlib，你就已經掌握了Seaborn的大部分；
如何加載數據構建Seaborn圖像
當您使用Seaborn時，您可以使用庫本身提供的內置數據集之一，也可以加載Pandas DataFrame。
裝載內置海床數據集
要開始使用內置的Seaborn數據集，可以使用load_dataset（）函數。 要查看內置的所有數據集，請點擊此處查看 https://github.com/mwaskom/seaborn-data 。 請查看以下示例來查看load_dataset（）函數的工作原理
# Import necessary libraries
import seaborn as sns
import matplotlib.pyplot as plt
# Load iris data
iris = sns.load_dataset("iris")
# Construct iris plot
sns.swarmplot(x="species", y="petal_length", data=iris)
# Show plot
plt.show()
加載您自己的DataFrame數據集
當然，數據可視化的大部分場景您將使用自己的數據，而不是Seaborn庫的內置數據集。 Seaborn最適用于包含整個數據集的Pandas DataFrames和數組
DataFrames是一種在矩形網格中存儲數據的方法，DataFrame的行不需要包含相同類型的值：它們可以是數字，字符，邏輯等。特別是對于Python，DataFrames集成于Pandas庫中，它們被定義為具有潛在不同類型的列的二維標記數據結構。
Seaborn對DataFrames非常好的原因是，因為DataFrames的標簽會自動傳播到繪圖或其他數據結構，正如本教程的第一個示例所示，您在Seaborn中繪制了一個小提琴。在那里，你看到x軸有一個傳說total_bill，而Matplotlib圖則不是這樣。這已經需要很多工作了。
但這并不意味著所有的工作都完成了 - 恰恰相反。在許多情況下，您仍然需要操作您的Pandas DataFrame，以使繪圖正確呈現。如果您想了解更多信息，請查看DataCamp的Python中的DataFrames Pandas教程或Pandas Foundations課程
Matplotlib仍然是Seaborn的基礎，這意味著結構仍然是一樣的，您需要使用plt.show（）使圖像顯示給您。 您可能已經從本教程上一個示例中看到過。 在任何情況下，這里是另一個例子，其中show（）函數用于顯示繪圖
# Import necessarily libraries
import matplotlib.pyplot as plt
import seaborn as sns
# Load data
titanic = sns.load_dataset("titanic")
# Set up a factorplot
g = sns.factorplot("class", "survived", "sex", data=titanic, kind="bar", palette="muted", legend=False)
# Show plot
plt.show()
如何使用Seaborn用Matplotlib的默認值
也有很多相反的場景，即那些使用Seaborn并希望用Matplotlib默認設置的問題。
之前，您可以通過從Seaborn包導入apionly模塊來解決這個問題。 現在已經棄用了（自2017年7月起）。 導入Seaborn時，不再應用默認樣式，因此您需要顯式調用set（）或set_style（），set_context（）和set_palette（）中的一個或多個以獲取Seaborn或Matplotlib默認的繪圖。
# Import Matplotlib
import matplotlib.pyplot as plt
# Check the available styles
plt.style.available
# Use Matplotlib defaults
plt.style.use("classic")
如何在Matplotlib中使用Seaborn的顏色作為色彩？
如何將Seaborn顏色引入Matplotlib圖中的問題。 您可以使用color_palette（）來定義要使用的顏色映射和參數n_colors的顏色數。 在這種情況下，這個例子將假設有5個標簽分配給在data1和data2中定義的數據點，所以這就是為什么你傳遞5到這個參數，你也做一個長度等于N的列表，其中5個整數變化 在可變顏色
# Import the necessary libraries
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import ListedColormap
# Define a variable N
N = 500
# Construct the colormap
current_palette = sns.color_palette("muted", n_colors=5)
cmap = ListedColormap(sns.color_palette(current_palette).as_hex())
# Initialize the data
data1 = np.random.randn(N)
data2 = np.random.randn(N)
# Assume that there are 5 possible labels
colors = np.random.randint(0,5,N)
# Create a scatter plot
plt.scatter(data1, data2, c=colors, cmap=cmap)
# Add a color bar
plt.colorbar()
# Show the plot
plt.show()
如何在Seaborn中旋轉標簽文本
要在Seaborn圖中旋轉標簽文本，您需要處理圖級別。 請注意，在下面的代碼塊中，您可以使用FacetGrid方法之一，即set_xticklabels來旋轉文本
# Import the necessary libraries
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
# Initialize the data
x = 10 ** np.arange(1, 10)
y = x * 2
data = pd.DataFrame(data={'x': x, 'y': y})
# Create an lmplot
grid = sns.lmplot('x', 'y', data, size=7, truncate=True, scatter_kws={"s": 100})
# Rotate the labels on x-axis
grid.set_xticklabels(rotation=90)
# Show the plot
plt.show()
具體的其他內容，見原文；
原文地址：https://www.datacamp.com/community/tutorials/seaborn-python-tutorial#sm
