Seaborn 教程¶

概念与用途¶

Seaborn 建立在 Matplotlib 之上，面向 pandas DataFrame 提供统计语义接口。它可以根据列名映射 x、y、颜色、样式和分面，并内置更适合统计图表的默认主题。Seaborn 负责高层统计绘图，最终的 Figure 和 Axes 仍可使用 Matplotlib API 调整。

安装与核心 API¶

python -m pip install seaborn pandas matplotlib

API	用途
`sns.set_theme()`	设置 Seaborn 主题和上下文
`sns.scatterplot()` / `lineplot()`	关系图
`sns.histplot()` / `kdeplot()`	分布图
`sns.boxplot()` / `violinplot()`	分类分布比较
`sns.barplot()` / `pointplot()`	估计量与不确定性
`sns.heatmap()`	矩阵热力图
`sns.relplot()` / `displot()` / `catplot()`	Figure 级分面接口
`sns.move_legend()`	调整图例位置

Axes 级函数接收 ax= 并画到现有子图；Figure 级函数自己创建 FacetGrid，不要再给它传 ax=。

可运行示例¶

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

df = pd.DataFrame({
    "team": ["A"] * 6 + ["B"] * 6,
    "week": list(range(1, 7)) * 2,
    "score": [62, 65, 67, 70, 72, 75, 60, 63, 66, 68, 73, 77],
})

sns.set_theme(style="whitegrid", context="notebook")
fig, ax = plt.subplots(figsize=(7, 4), layout="constrained")
sns.lineplot(
    data=df, x="week", y="score", hue="team",
    marker="o", errorbar=None, ax=ax
)
ax.set(xlabel="Week", ylabel="Score", title="Weekly score by team")
sns.move_legend(ax, "upper left", title="Team")
fig.savefig("seaborn-tutorial.png", dpi=150)
plt.show()

统计语义¶

许多 Seaborn 函数会聚合重复的 x 值并绘制误差区间。例如 lineplot() 默认对同一 x 下的 y 求估计量。若每行已经是要直接连接的观测，应确认分组语义，必要时设置 estimator=None 或使用 Matplotlib plot()。不同 Seaborn 版本对 errorbar 等参数支持可能不同，应按锁定版本查文档。

常见错误¶

DataFrame 列名拼错：Seaborn 会报告无法解释变量。绘图前检查 df.columns 和 dtype。
把宽表和长表语义混淆：复杂 hue、style、col 映射通常需要用 melt() 转成长表。
把 barplot() 当作原始柱形图：它默认展示估计量及误差，不是逐行数据。已有聚合值时应明确统计行为。
Figure 级函数与 plt.subplots() 混用：relplot() 等会创建自己的 Figure，应通过返回对象调整。
类别颜色在多张图中变化：显式传入固定 palette 字典，保持语义一致。

图表设计与工程注意事项¶

置信区间必须说明估计方法和样本单位，重复测量数据尤其要避免把相关观测当成独立样本。全局 set_theme() 会影响后续 Matplotlib 图，库代码可使用上下文管理器限制作用域。大数据上 KDE、pairplot 和 bootstrap 可能很慢，应抽样或调整统计参数。导出仍使用 fig.savefig()，并在绘制完成后通过 Matplotlib 设置标题、范围和格式器。