python数据科学系列：seaborn入门详细教程

01 初始seaborn
seaborn是python中的一个可视化库，是对matplotlib进行二次封装而成，既然是基于matplotlib，所以seaborn的很多图表接口和参数设置与其很是接近。相比matplotlib而言，个人认为seaborn的几个鲜明特点如下：
绘图接口更为集成，可通过少量参数设置实现大量封装绘图
多数图表具有统计学含义，例如分布、关系、统计、回归等
对Pandas和Numpy数据类型支持非常友好
风格设置更为多样，例如风格、绘图环境和颜色配置等

正是由于seaborn的这些特点，在进行EDA（Exploratory Data Analysis， 探索性数据分析）过程中，seaborn往往更为高效。然而也需指出，seaborn与matplotlib的关系是互为补充而非替代：多数场合中seaborn是绘图首选，而在某些特定场景下则仍需用matplotlib进行更为细致的个性化定制。
按照惯例，后文将seaborn简写为sns。

至于seaborn简写为sns而非sbn的原因，感兴趣者可自行查阅(关键词：why import seaborn as sns?)。

02 风格设置

seaborn的风格设置主要分为两类，其一是风格（style）设置，其二是环境（context）设置。

1. 风格设置
   seaborn设置风格的方法主要有三种：
   set，通用设置接口
   set_style，风格专用设置接口，设置后全局风格随之改变
   axes_style，设置当前图（axes级）的风格，同时返回设置后的风格系列参数，支持with关键字用法

当前支持的风格主要有5种：
darkgrid，默认风格
whitegrid
dark
white
ticks
https://image.ipaiban.com/upload-ueditor-image-20200622-1592793124832047177.png
seaborn 5种内置风格与matplotlib绘图风格对比

相比matplotlib绘图风格，seaborn绘制的直方图会自动增加空白间隔，图像更为清爽。而不同seaborn风格间，则主要是绘图背景色的差异。

2. 环境设置
   设置环境的方法也有3种：
   set，通用设置接口
   set_context，环境设置专用接口，设置后全局绘图环境随之改变
   plotting_context，设置当前图（axes级）的绘图环境，同时返回设置后的环境系列参数，支持with关键字用法

当前支持的绘图环境主要有4种：
notebook，默认环境
paper
talk
poster
https://image.ipaiban.com/upload-ueditor-image-20200622-1592793489040070850.png
seaborn 4种绘图环境对比

可以看出，4种默认绘图环境最直观的区别在于字体大小的不同，而其他方面也均略有差异。详细对比下4种绘图环境下的系列参数设置：
https://image.ipaiban.com/upload-ueditor-image-20200622-1592795197230045428.png
点击查看大图

03 颜色设置

seaborn风格多变的另一大特色就是支持个性化的颜色配置。颜色配置的方法有多种，常用方法包括以下两个：
color_palette，基于RGB原理设置颜色的接口，可接收一个调色板对象作为参数，同时可以设置颜色数量
hls_palette，基于Hue(色相)、Luminance(亮度)、Saturation(饱和度)原理设置颜色的接口，除了颜色数量参数外，另外3个重要参数即是hls

同时，为了便于查看调色板样式，seaborn还提供了一个专门绘制颜色结果的