Seaborn的介紹
Seaborn 是一個建立在 Matplotlib 基礎之上的 Python 數據可視化庫，專注于繪制各種統計圖形，以便更輕松地呈現和理解數據。 Seaborn 的設計目標是簡化統計數據可視化的過程，提供高級接口和美觀的默認主題，使得用戶能夠通過少量的代碼實現復雜的圖形。
Seaborn的安裝與導入
Seaborn的安裝：
1.pip install seaborn i?Simple Index
2.conda install seaborn?Simple Index
（清華源：https://pypi.tuna.tsinghua.edu.cn/simple）
Seaborn的導入： import seaborn as sns
sns.set_theme()
sns.set_theme() 可以選擇不同的主題和模板。 格式為sns.set_theme(style="whitegrid", context="paper") style取值如下：
| darkgrid（默認） | 深色網格主題。 |
| whitegrid | 淺色網格主題。 |
| dark | 深色主題，沒有網格。 |
| white | 淺色主題，沒有網格。 |
| ticks | 深色主題，帶有刻度標記。 |
context取值如下：
| paper | 適用于小圖，具有較小的標簽和線條。 |
| notebook （默認） | 適用于筆記本電腦和類似環境，具有中等大小的標簽和線條。 |
| talk | 適用于演講幻燈片，具有大尺寸的標簽和線條。 |
| poster | 適用于海報，具有非常大的標簽和線條。 |
sns.scatterplot() - 散點圖
sns.scatterplot()用于繪制兩個變量之間的散點圖，可選擇添加趨勢線。
sns.lineplot() - 折線圖
sns.lineplot()用于繪制變量隨著另一個變量變化的趨勢線圖。
sns.barplot() - 柱形圖
sns.barplot()用于繪制變量的均值或其他聚合函數的柱狀圖。
sns.boxplot() - 箱線圖
sns.boxplot()用于繪制變量的分布情況，包括最大值，最小值中位數、四分位數（包括上四分位數，下四分位數）等。
如果在圖片外面還有一個點那么這個點是離群點，離群點一般會認為是一個異常值，它也有可能在上面有可能在下面有可能在旁邊這個都有可能，我們要把它作為一個異常值去處理，就是認為它是一個異常值，對它進行一下數據預處理，把它調整成合理范圍之內的點。
sns.heatmap() - 熱圖
sns.heatmap()用于繪制矩陣數據的熱圖，通常用于展示相關性矩陣。
sns.violinplot() - 小提琴圖
sns.violinplot()用于顯示分布的形狀和密度估計，結合了箱線圖和核密度估計。
圖中有些地方窄是因為在這一塊的數據是偏少，寬的地方是數據分布多，也就是和密度分布，和密度分布它其實代表的就是我們數據分布的一個情況。
個人效率)
)
