Python可视化库Seaborn基于Matplotlib，并提供了绘制吸引人的统计图形的高级接口。Seaborn就是让困难的东西更加简单。它是针对统计绘图的，一般来说，能满足数据分析90%的绘图需求。Seaborn其实是在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就能做出很具有吸引力的图，应该把Seaborn视为Matplotlib的补充，而不是替代物。同时它能高度兼容Numpy与Pandas数据结构以及Scipy与Statsmodels等统计模式。
Seaborn一共有5个大类21种图，分别是：
1. Relational plots关系类图表
relplot关系类图表的接口，其实是下面两种图的集成，通过指定kind参数可以画出下面的两种图：
- scatterplot散点图
- lineplot折线图
2. Categorical plots分类图表
catplot分类图表的接口，其实是下面8种图表的集成，通过指定kind参数可以画出下面的8种图：
- stripplot 分类散点图
- swarmplot 能够显示分布密度的分类散点图
- boxplot 箱图
- violinplot 小提琴图
- boxenplot 增强箱图
- pointplot 点图
- barplot 条形图
- countplot 计数图
3. Distribution plot分布图
- jointplot 双变量关系图
- pairplot 变量关系组图
- distplot 直方图，质量估计图
- kdeplot 核函数密度估计图
- rugplot 将数组中的数据点绘制为轴上的数据
4. Regression plots回归图
- lmplot 回归模型图
- regplot 线性回归图
- residplot 线性回归残差图
5. Matrix plots矩阵图
- heatmap 热力图
- clustermap 聚集图
在上面的21种图中，我们总结了10幅必备的Seaborn图如下：
一、Barplot——条形图
二、Countplot——计数图
跟着Titanic案例学Seaborn之Countplot三、Histplot——直方图
四、Catplot——分类统计图其中包含Box箱型图，Violin小提琴图，Swarm分簇散点图，Strip分类散点图等等。
五、Scatter——散点图
六、Heatmap——热力图
七、KDE——核密度分布图
八、Jointplot——双变量关系图
九、Pairplot——多变量联合分布图
十、Facetgrid——多图网格绘图
跟着exercise案例学Seaborn之FacetGrid
相信，你如果能掌握这10大Seaborn绘图，你的数据处理和分析能力一定会有很大的提高，自己试试吧？
