Seaborn可說是Matplotlib進階版的繪圖套件，也是常用的視覺化套件，本文將官方文件統整，並透過直接操作資料集的方式簡單的帶大家操作常用的語法。
Seaborn是在Matplotlib的基礎上所建構出的，並與資料分析的套件 — Pandas緊密結合著。Seaborn的語法被認為是比Matplotlib還要更精美細緻的，可以很輕鬆的設定出好看的圖型，程式碼更是精簡，因此，若Seaborn支持的話，建議讀者以Seaborn作為第一優先的繪圖套件。
補充：
語法說明
1. 前置作業
安裝套件
匯入套件
2. 圖表設計
重置成預設樣式
設定圖表風格
設定調色盤顏色
設定元素縮放比例
3. 常用圖表
因文章長度的關係，本篇文章並不會將所有的圖表都進行展示，但大致整理出了以下各種種類中常出現的圖表類型，讀者可以根據資料的種類選用適合的～
4. 實際操作
4.1 介紹資料集
本次所選用的資料集是於Kaggle上一份關於Ted Talks演講的資訊，欄位包含了演講名稱（title）、演講者（author）、日期（date）、觀看數（views）、喜歡數（likes）及網址連結（link）。
而資料總共為5440筆，跨越的時間橫渡為2009年的4月至2021年的9月。
4.2 資料前處理簡介
因繪圖所需，因此產生出了一些特徵欄位，分別為年份（year）、月份（month）即日期（date）。
而資料中並無空值，因此不需做刪除列或是補值的動作。
4.3 圖表繪製
- 計數圖（countplot）
類似柱狀圖，可以直接計算出每個類別的總數，並比較出個類別間的計數差，適用於類別型的資料。
- 折線圖（lineplot）
是由多個數據點連接而成，可用折線的方式看到趨勢，適合用於變化、連續型的資料。
- 圓餅圖（piechart）
通常使用於類別型的資料，可以表示各項目占整體資料的比例，每個扇區的弧長大小數量的比例。
此圖為matplotlib所繪，非seaborn，但因資料類別的表現狀況，因此認為圓餅圖還是較為適當。
- 熱力圖（heatmap）
因此段有用到其他中途產生的dataframe，稍微帶一下如何產出的～～
為二維空間的表示圖，可表示出x與y軸個類別的相關係數，亦或是利用深淺顏色表現出發生次數或頻率的高低。
cmap的造型樣式有非常多種，可幫助圖表示得更清楚及符合主題，大家可參考以下連結，該文章幾乎整理出了所有可調用的樣式供大家選用～
- 回歸線圖（regplot）
先將所有資料點利於點圖方式呈現，再找出回歸線，可藉此看出資料分布的趨勢。
- 盒鬚圖（boxplot）
是一種可以顯示出資料分布的統計圖，可看出離群值、平均數、全距或四分位距等。
sns.despine()用於設定邊界、匡線等
- 小提琴圖（violinplot）
可以展示出多種資料類別的分布狀況及概率密度，提琴中間有條黑色粗線，可看出資料的四分位距，是集合盒鬚圖及密度圖優點於一身的圖形類別。
總結
讀者閱讀完本文章以後，應該會發現其實各圖表的語法差異並不大，參數也都是差不多的，只是可能有些會因為需求多出了一兩個其他的參數做調整，與Matplotlib相比更簡易好操作，圖表也更精緻了一些，顏色設計上都美觀了許多，因此才會推薦讀者若有視覺化上的需可以Seaborn作為首選！
本文授權轉載自數據領航員 / 原文刊登於：數據分析基本工具-Seaborn
