原文链接：https://segmentfault.com/a/1190000014915873
Seaborn学习大纲
seaborn的学习内容主要包含以下几个部分：
-
风格管理
- 绘图风格设置
颜色风格设置
-
绘图方法
- 数据集的分布可视化
- 分类数据可视化
- 线性关系可视化
-
结构网格
- 数据识别网格绘图
本次将主要介绍颜色调控的使用。
0、seaborn介绍：
Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。
安装方法：
1 pip install seaborn
1、管理图表的艺术
画一个吸引人注意的图表相当重要。当你探索一个数据集，需要画图表，图表看起来令人愉悦是件很高兴的事。在与你的观众交流观点时，可视化同样重要，同时，也很有必要去让图表吸引注意力和印入脑海里。Matplotlib自动化程度非常高，但是，掌握如何设置系统以便获得一个吸引人的图是相当困难的事。为了控制matplotlib图表的外观，Seaborn模块自带许多定制的主题和高级的接口。
1.1 让我们定义一个简单的函数来绘制一些偏移正弦波，这将帮助我们看到可以调整的不同样式参数。使用matplotlib默认值时的图：
1.2 转换成Seaborn模块，再次绘图
#转换成Seaborn模块，只需要引入seaborn模块。
import seaborn as sns
sns.set()#切换到seaborn默认值
sinplot()
seaborn默认浅灰色背景与白色网络线的灵感来源于matplotlib，却比matplotlib的颜色更多柔和。我们发现，网络线对于传播信息很有用，几乎在所有情况下，人们喜欢图甚于表。默认情况下白灰网格的形式可以避免过于刺眼。在多面作图的情况下，网络形式显得相当的有利，提供了一种作图结构，这对模块中的一些复杂工具非常重要。
2、seaborn的两类函数
Seaborn 将 matplotlib 的参数划分为两个独立的组合。第一组是设置绘图的外观风格的，第二组主要将绘图的各种元素按比例缩放的，以至可以嵌入到不同的背景环境中。
操控这些参数的接口主要有两对方法：
- 控制风格：
axes_style(),set_style() - 缩放绘图：
plotting_context(),set_context()
每对方法中的第一个方法（axes_style(), plotting_context()）会返回一组字典参数，而第二个方法（set_style(), set_context()）会设置matplotlib的默认参数。
2.1 控制风格 axes_style() and set_style()
2.1.1 设置图表主题set_style()
有五种预设的seaborn主题：暗网格(darkgrid)，白网格(whitegrid)，全黑(dark)，全白(white)，全刻度(ticks)。以适应不同人不同的爱好。
默认主题是暗网格，网格可以帮助我们定量的查找数据，并且灰色背景上的白色网格线可以防止网格线和数据线冲突。
白网格（WhiteGrid）主题也是类似，但它更适合具有大量数据元素的绘图：
对于许多绘图（尤其是像talks这样的设置(especially for settings like talks)，您主要希望使用图形来提供数据中模式的印象），网格的必要性就降低了，此时可以使用全黑或全白风格
1 sns.set_style("dark") #全黑风格 2 sinplot()
sns.set_style("white") # 全白 sinplot()
有时你需要给出一点额外的图表结构信息，此时全刻度模式就派上用场了。
1 sns.set_style("ticks") #全刻度 2 sinplot()
2.1.2 去除轴脊柱
全白（white）和全刻度（tick）都可以从去除不必要的上边框和右边框中获益。可以调用seaborn函数destine（）来删除它们：
1 sinplot() 2 sns.despine()
一些图表获益于限制数据脊柱，这也可以调用destine()来完成。当刻度没有完全覆盖整个轴的范围时，trim参数可以用来限制已有脊柱的范围。
1 f, ax = plt.subplots() 2 sns.violinplot(data=data) 3 sns.despine(offset=10, trim=True);
你也可以通过despine()控制哪个脊柱将被移除。
1 sns.set_style("whitegrid") 2 sns.boxplot(data=data, palette="deep") 3 sns.despine(left=True)
2.1.3 临时设置绘图风格
虽然来回切换风格很容易，但是你也可以在一个with语句中使用axes_style()方法来临时的设置绘图参数。这也允许你用不同风格的轴来绘图：
1 with sns.axes_style("darkgrid"): 2 plt.subplot(211) 3 sinplot() 4 plt.subplot(212) 5 sinplot(-1)
2.1.4 覆盖seaborn风格元素
如果你想定制化seaborn风格，你可以将一个字典参数传递给axes_style()和set_style()的参数rc。而且你只能通过这个方法来覆盖风格定义中的部分参数。
如果你想要看看这些参数都是些什么，可以调用这个方法，且无参数，这将会返回下面的设置：
然后你可以设置这些参数的不同版本了
1 sns.set_style("darkgrid", {"axes.facecolor": ".9"}) 2 sinplot()
2.2 缩放绘图：plotting_context(), set_context()
有一套的参数可以控制绘图元素的比例。
首先，让我们通过set()重置默认的参数：
sns.set()
有四个预置的环境，按大小从小到大排列分别为：paper, notebook, talk, poster。其中，notebook是默认的。
sns.set_context("paper") sinplot()
sns.set_context("talk") sinplot()
sns.set_context("poster") sinplot()
你可以通过使用这些名字中的一个调用set_context()来设置参数，并且你可以通过提供一个字典参数值来覆盖参数。当改变环境时，你也可以独立的去缩放字体元素的大小。
sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 2.5}) sinplot()
同样的，你可以通过嵌入with语句临时的控制绘图的比例