seaborn可用来干什么，看seaborn作者怎么说？
p
pythonic生物人约 3 分钟
pythonic生物人约 3 分钟先介绍一下seaborn作者Michael Waskom, Ph.D，
Waskom是Modal Labs的一名软件工程师，负责为云端数据构建和AI应用程序设计新的抽象方法。
他拥有机器学习和神经科学的专业背景，曾担任Flatiron Health的机器学习科学家、纽约大学的西蒙斯研究员、斯坦福大学的博士生、麻省理工学院的研究助理，并在阿默斯特学院完成本科学习。Waskom的学术研究集中于描述人类大脑网络在多个时空尺度上的功能组织。
此外，Waskom还积极参与开源科学软件的开发，其中最著名的贡献是Python数据可视化库Seaborn（截止2024年 9月25日 星期三 23时26分41秒，github上获得12.4k stars👍）。
首先，pythonic生物人要说的是，seaborn的上限是很高的，完全取决于使用者，来看看Waskom发表在PNAS上的文章使用seaborn的配图，
以下参考Waskom发表的关于seaborn文章（DOI:10.21105/joss.03021），从作者视角，看看seaborn到底能干什么。
seaborn是一个用于在Python中创建统计图形的库，它是Matplotlib的高级封装（个人简单的理解，只需要调用最少的参数，即可搞定publication-quality figures）。
seaborn可与多种python数据结构紧密集成，如python列表(list)、字典(dict)、NumPy (numpy.ndarray)、pandas (pandas.Series、pandas.DataFrame)等等，熟悉这些数据结构可让seaborn使用起来得心应手，这些之前都介绍过，
👉图解NumPy (入门篇)
👉图解NumPy(进阶篇)
👉Pandas 75个高频操作
👉详解Python字典、集合
seaborn使用非常简单，通过调用seaborn的一系列绘图函数来可视化数据，这些函数可划分为坐标轴级别（axes-level）绘图函数和图形级别（figure-level）绘图函数两大类，二者区别
👉axes-level和figure-level关系
seaborn函数的默认参数即可输出高质量统计图，同时也提供大量个性化参数，例如，
👉Python seaborn超级细节篇-使用palette
👉Python seaborn超级细节篇-风格style
👉Python seaborn超级细节篇-比例尺度context
👉Python seaborn超级细节完结篇-联合美化
seaborn的一个关键功能是数据集中变量可以自动“映射”到图形的视觉属性上，即指将数据集中的变量与图形的视觉属性（如颜色、大小、样式）相关联，如下图，hue="客人性别"表示数据集tips中的“客人性别”变量映射到散点图的颜色属性，Female和Male表示不同的颜色，style="是否吸烟"表示数据集tips中的“是否吸烟”变量映射到散点图的marker属性，No和Yes表示不同的形状，
seaborn的多个函数在绘图前对输入数据进行统计转换，同时添加error bars和confidence interval， 详细介绍👉141个图表，完美展示数据分类关系！
更多介绍，见seaborn文章（DOI: 10.21105/joss.03021）
-END- 分享一份超级详细seaborn教程：530张图形+8000行代码+详细代码注释+后续免费更新+学习交流群，教程部分内容， 例如，
👉可视化配色工具，colormap多达3174类，数万种颜色！
每类图表包含详细代码+详细代码注释，多达8000行代码，例如，
如何加入学习？
👇加入学习（收费、备注：169）
✅解锁获取6大权限：
8000+行代码（复制即可运行） 在线教程文档（清晰目录） 依赖数据（免费下载） 交流群 后续更新 定期抽最新机器学习、数据科学类书籍 点个 在看、赞就是最大的支持