seaborn是python中的一個非常強大的數據可視化庫，它集成了matplotlib，下圖為seaborn的官網，如果遇到疑惑的地方可以到官網查看。http://seaborn.pydata.org/

從官網的主頁我們就可以看出，seaborn在數據可視化上真的非常強大。

1.首先我們還是需要先引入庫，不過這次要用到的python庫比較多。

import numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltimport seaborn as sns

2.sns.set_style()：不傳入參數用的就是seaborn默認的主題風格，里面的參數共有五種

我比較習慣用whitegrid。

3.下面說一下seaborn里面的調色板，我們可以用sns.color_palette()獲取到這些顏色，然后用sns.palplot()將這些色塊打印出來。color_palette()函數還可以傳入一些參數

sns.palplot(sns.color_palette("hls",n))#顯示出n個不同顏色的色塊sns.palplot(sns.color_palette("Paired",2n))#顯示出2n個不同顏色的色塊，且這些顏色兩兩之間是相近的sns.palplot(sns.color_palette("color"))#由淺入深顯示出同一顏色的色塊sns.palplot(sns.color_palette("color_r"))##由深入淺顯示出同一顏色的色塊sns.palplot(sns.color_palette("cubehelix",n))#顯示出n個顏色呈線性變化的色塊sns.palplot(sns.cubehelix_palette(k,start=m,rot=n))#顯示出k個start(0,3)為m，rot(-1,1)為n的呈線性變化的色塊sns.palplot(sns.light_palette("color"))#將一種顏色由淺到深顯示sns.palplot(sns.dark_palette("color"))#將一種顏色由深到淺顯示sns.palplot(sns.dark_palette("color",reverse=bool))#reverse的值為False，則將一種顏色由深到淺顯示；若為True，則將一種顏色由淺到深顯示

4.sns.kdeplot(x,y,cmap=pal)：繪制核密度分布圖。

5.sns.distplot(x,kde=bool,bins=n)：kde代表是否進行核密度估計，也就是是否繪制包絡線，bins指定繪制的條形數目。