數據可視化：就是使用圖形圖表等方式來呈現數據，圖形圖表能夠高效清晰地表達數據包含的信息。
Seaborn是基於matplotlib，在matplotlib的基礎上進行了更高級的API封裝，便於用戶可以更加簡便地做出各種有吸引力的統計圖表。
可以說，seaborn是matplotlib的很好補充，而且能夠高度兼容numpy與pandas數據結構以及scipy與statsmodels等統計模式。
安裝：pip install seaborn
seaborn的主要功能有：
- 內置主題
- 豐富的調色板，更好的顯示數據信息
- 對變量分布進行了可視化
- 數據矩陣可視化，並使用聚類算法發現這些矩陣中的結構
- 對自變量和因變量之間的線性回歸結果進行可視化
- 繪制統計時間序列，並將其不確定性可視化
- 構建高級、抽象的網格圖，可輕松將復雜問題可視化
Seaborn是一個在Python中制作有吸引力和信息豐富的統計圖形的庫。它建立在matplotlib之上，並與PyData堆棧緊密集成，包括支持來自scipy和statsmodels的numpy和pandas數據結構和統計例程。 Seaborn旨在將可視化作為探索和理解數據的核心部分。繪圖函數對包含整個數據集的數據框和數組進行操作，並在內部執行必要的聚合和統計模型擬合以生成信息圖。如果matplotlib“試圖讓事情變得簡單容易和難以實現”，seaborn會試圖使一套明確的方案讓事情變得容易。 Seaborn可以認為是對matplotlib的補充，而不是它的替代品。在數據可視化方面能夠很好的表現。
分類統計圖
（1）統計柱狀圖barplot(均值和置信區間)
（2）灰度柱狀圖countplot
（3）點圖pointplot(均值和置信區間)
分類散點圖
當有一維數據是分類數據時，散點圖成為了條帶形狀：
（1）航線圖stripplot，設置參數添加抖動方法jitter=True(點的直接展示)
（2）生成蜂群圖swarmplot，避免散點重疊(點的直接展示)
分類分布圖
（1）箱式圖boxplot：上下邊緣、上下四分位數、中位數(近似分布)
（2.1）提琴圖violinplot：箱式圖 + KDE((近似分布))
（2.2）非對稱提琴圖：violinplot里的split=True參數
分類統計子圖
（1）單分類標准的子圖factorplot
（2）多分類標准的子圖PairGrid
矩陣圖