一、目錄：

分布圖

• displot （直方圖）
• kedplot（概率密度圖）
• jointplot（聯(lián)合密度圖）
• pairplot（多變量圖）

分類圖

• boxplot（箱線圖）
• violinplot（提琴圖）

回歸圖

• lmplot （回歸圖）

矩陣圖

• heatmap （熱力圖）

二、回歸圖：

lmplot()是一個衡量變量之間關(guān)系的圖形，他會在繪制二維散點圖時，自動完成回歸擬合

seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, 
col_wrap=None, height=5, aspect=1, markers='o', sharex=True, sharey=True, 
hue_order=None, col_order=None, row_order=None, legend=True, legend_out=True, 
x_estimator=None, x_bins=None, x_ci='ci', scatter=True, fit_reg=True, ci=95, 
n_boot=1000, units=None, order=1, logistic=False, lowess=False, robust=False, 
logx=False, x_partial=None, y_partial=None, truncate=False, x_jitter=None, 
y_jitter=None, scatter_kws=None, line_kws=None, size=None)

• col，row：根據(jù)所指定的屬性，在行、列上進行分類（指在整個畫圖面板上）
• col_wrap：指定每行的列數(shù)，最多等于col參數(shù)所對應的不同類別的數(shù)量
• aspect：控制圖的長寬比
• order：多項式回歸，控制進行回歸曲線的冪次，設定指數(shù)，可以用多項式擬合。（指的是回歸曲線的用一次函數(shù)擬合還是二次函數(shù)等擬合數(shù)據(jù)，這個擬合并不是完全精確的，只是粗略的一個給出一個數(shù)據(jù)之間關(guān)系的直觀表示）
• logistic：邏輯回歸
• ci：置信區(qū)間
• robust：如果是True，使用statsmodels來估計一個穩(wěn)健的回歸（魯棒線性模型）。這將減少異常值。請注意 logistic回歸和robust回歸相較于簡單線性回歸需要更大的計算量，其置信區(qū)間的產(chǎn)生也依賴于bootstrap采樣，你可以關(guān)掉置信區(qū)間估計來提高速度（ci=None）；
• 轉(zhuǎn)換為log(x)

默認情況

設置col后，將原本會放在一個圖表里的數(shù)據(jù)分列

設置為邏輯回歸，也是一個粗略的直觀展示并不精確

三、總結(jié)：

seaborn中還有其他的非常好用的統(tǒng)計圖形可以使用，還可以通過sns.set_style()設置全局參數(shù)。在具體使用中，最好是結(jié)合matplotlib一起使用，用圖形更好的表達數(shù)據(jù)，理解數(shù)據(jù)，用圖形來表達數(shù)據(jù)觀點，不要局限在畫出復雜精美的圖像中。