seaborn

Seaborn - Python 统计可视化库

技能概述

Seaborn 是一个基于 matplotlib 的 Python 统计可视化库，专为数据探索和统计分析设计。它提供 dataset-oriented 绘图接口，能够轻松创建出版级质量的统计图表，包括箱线图、小提琴图、配对图、热图等。

适用场景

数据探索与分布分析：快速了解数据分布、变量关系和分类比较。通过 histplot、kdeplot、ecdfplot 等函数探索单变量和双变量分布，使用 pairplot 进行多变量关系概览。

统计图表绘制：创建带统计推断的图表，如带置信区间的回归线、聚合估计与误差条。适用于箱线图、小提琴图、分类数据比较，以及相关矩阵热图。

多面板数据展示：使用 figure-level 函数（relplot、displot、catplot）自动创建小倍数图（small multiples），按分类变量分面展示数据，便于对比分析。

核心功能

Dataset-Oriented 绘图接口：直接使用 pandas DataFrame 和变量名进行绘图，自动处理数据映射。支持关系图（scatterplot、lineplot）、分布图（histplot、kdeplot）、分类图（boxplot、violinplot）、回归图（regplot、lmplot）和矩阵图（heatmap、clustermap）。

内置统计推断：自动计算聚合统计、置信区间和回归拟合。lineplot 默认计算均值和 95% 置信区间，barplot 支持自定义估计器和误差条，回归函数提供线性、多项式和鲁棒回归选项。

出版级美学主题：预设多种主题（darkgrid、whitegrid、ticks 等）和调色板（qualitative、sequential、diverging），默认生成适合学术论文和报告的图表样式。支持颜色盲友好调色板和感知均匀色阶。

常见问题

Seaborn 是什么？适合做什么？

Seaborn 是一个 Python 统计可视化库，基于 matplotlib 构建，提供高级绘图接口和出版级默认样式。它特别适合数据探索、统计分析和学术论文绘图。相比 matplotlib，seaborn 更适合快速创建统计图表（如箱线图、热图、配对图），与 pandas 集成更紧密。需要注意的是，seaborn 主要用于静态图表，如需交互式可视化可考虑 plotly。

Seaborn 如何安装？支持哪些 Python 版本？

Seaborn 需要 Python 3.8 或更高版本。使用 uv pip install "seaborn==0.13.2" 安装，如需高级统计功能（如回归分析、聚类），可使用 uv pip install "seaborn[stats]==0.13.2"。安装前需要确保已安装 NumPy、pandas 和 matplotlib 作为依赖。

Seaborn 和 Matplotlib 有什么区别？

Seaborn 基于 matplotlib 构建，但提供了更高级的接口。主要区别：1）Seaborn 直接支持 pandas DataFrame，使用变量名而非数组绘图；2）内置统计功能（聚合、置信区间、回归拟合）；3）默认样式更美观，适合出版；4）图例、配色、分面管理等自动化程度更高。matplotlib 则提供更底层的控制和更广泛的图表类型。两者可以无缝结合使用。