Seaborn Statistical Charts

何时使用

适用：

• 拿到 tidy 表格数据（DataFrame），要直接画出版级统计图：散点、折线、分布（直方/KDE/ECDF）、分类对比（箱线/小提琴/柱状）、回归、相关性热力图、配对/联合图。
• 需要按类别做语义映射（颜色 hue / 尺寸 size / 样式 style）或自动分面（小多图）。
• 想要 Seaborn 内建的统计聚合与置信区间（如 lineplot/barplot 自动算均值与 CI），并省去 matplotlib 样板代码。

不该用（负边界）：

• 交互式 / Web 图表（缩放、悬浮提示）→ 用 Plotly / Bokeh / Altair。
• 需要逐像素底层控制、自定义图元 → 直接用 matplotlib（Seaborn 只是其上层）。
• 地图 / 地理空间（geopandas）、网络图（networkx）、专业金融 K 线等专用图。
• 海量数据点（百万级）逐点散点会卡 → 先聚合/抽样或改用 datashader。

步骤 / 指令

按序决策与执行：

1. 备数据：整理成 long-form（每变量一列、每观测一行）。这是首选格式，几乎所有函数都吃它。宽表用 df.melt(var_name=..., value_name=...) 转长表；相关矩阵/热力图等才用宽表。列名要有意义（用 data=df, x='列名'，别传裸数组，否则丢轴标签）。

2. 选图型（按变量类型）：

   • 连续 x · 连续 y → scatterplot / lineplot / regplot / kdeplot
   • 连续 x · 分类 y → boxplot / violinplot / stripplot / swarmplot / barplot
   • 单连续变量 → histplot / kdeplot / ecdfplot
   • 矩阵 / 相关性 → heatmap / clustermap
   • 全局两两关系 → pairplot / jointplot

3. 选层级（关键区分）：

   • axes-level（scatterplot/histplot/boxplot/heatmap…）：画到单个 Axes，接受 ax=，能嵌进自定义 matplotlib 布局。组合多种图型、要 matplotlib 级控制时用它。
   • figure-level（relplot/displot/catplot/lmplot/jointplot/pairplot）：管整张图，内建 col/row 分面，用 height/aspect 调尺寸（按每个子图），返回 FacetGrid/JointGrid/PairGrid。要分面/小多图、快速探查时用它；它不能塞进已有 figure。

4. 加语义映射 / 分面：hue（颜色）、size（尺寸）、style（样式）编码额外维度；figure-level 用 col/row 自动分面，col_wrap=N 控制换行。

5. 调主题配色：set_theme(style=..., palette=..., context=...)。分类用 deep/colorblind，有序用 rocket/viridis，发散（带中心）用 vlag/coolwarm 并设 center=0。

6. 控统计估计（按需）：lineplot/barplot 默认算均值 + 95% CI；用 estimator='median'、errorbar='sd' 或 errorbar=('ci', 95) 改。

7. 存图：axes-level 用 plt.savefig；figure-level 用返回的 grid .savefig(...)。出版用 dpi=300, bbox_inches='tight'，矢量用 .pdf。

示例

快速上手：

import seaborn as sns
import matplotlib.pyplot as plt

df = sns.load_dataset('tips')
sns.scatterplot(data=df, x='total_bill', y='tip', hue='day')
plt.show()

多语义映射 + 自动分面（figure-level）：

# 散点叠加 hue/size/style 三维编码
sns.scatterplot(data=df, x='total_bill', y='tip', hue='time', size='size', style='sex')

# 按 col/row 自动分面
sns.relplot(data=df, x='total_bill', y='tip', col='time', row='sex',
            hue='smoker', kind='scatter', height=3, aspect=1.2)

分类对比与分布：

sns.violinplot(data=df, x='day', y='total_bill', hue='sex', split=True)
sns.barplot(data=df, x='day', y='total_bill', hue='sex',
            estimator='mean', errorbar='ci')          # 均值 + 自助法 CI
sns.histplot(data=df, x='total_bill', hue='time', stat='density', multiple='stack')
sns.kdeplot(data=df, x='total_bill', y='tip', fill=True, levels=5, thresh=0.1)

相关性热力图：

corr = df.corr(numeric_only=True)
sns.heatmap(corr, annot=True, fmt='.2f', cmap='coolwarm', center=0, square=True)

把多种 axes-level 图拼进自定义网格：

fig, axes = plt.subplots(2, 2, figsize=(10, 10))
sns.scatterplot(data=df, x='total_bill', y='tip', ax=axes[0, 0])
sns.histplot(data=df, x='total_bill', ax=axes[0, 1])
sns.boxplot(data=df, x='day', y='total_bill', ax=axes[1, 0])
sns.kdeplot(data=df, x='total_bill', y='tip', ax=axes[1, 1])
plt.tight_layout()

出版级图（主题 + 分面 + 存盘）：

sns.set_theme(style='ticks', context='paper', font_scale=1.1)
g = sns.catplot(data=df, x='day', y='total_bill', col='time',
                kind='box', height=3, aspect=1.2)
g.set_axis_labels('Day', 'Total Bill')
g.set_titles('{col_name}')
sns.despine(trim=True)
g.savefig('figure.pdf', dpi=300, bbox_inches='tight')

现代声明式接口（seaborn.objects，类 ggplot2，做复杂分层/可编程图时用）：

from seaborn import objects as so
(
    so.Plot(data=df, x='total_bill', y='tip')
    .add(so.Dot(), color='day')
    .add(so.Line(), so.PolyFit())
)

注意事项

• long-form 优先：宽表只适合简单时序、相关矩阵、热力图；其余先 melt 转长表，否则语义映射受限。
• 传 data=df + 列名字符串，别传裸数组——裸数组会丢失轴标签。
• axes-level 用 ax= 嵌入已有 figure；figure-level 不能塞进已有 figure，要调大用 height/aspect 而非 figsize。
• 默认统计：lineplot/barplot 自动聚合 + 算 CI，别误以为画的是原始值；需要时显式改 estimator/errorbar。
• figure-level 图例默认放在图外，要挪进图内用 g._legend.set_bbox_to_anchor((0.9, 0.5))。
• 标签重叠：plt.xticks(rotation=45, ha='right') + plt.tight_layout()。
• 配色不够区分：换 set_palette('bright') 或 color_palette('husl', n_colors=类别数)；配色无障碍用 colorblind。
• KDE 太平滑/太毛刺：调 bw_adjust（>1 更平滑，<1 更细节）。
• 发散色板（相关性等）务必配 center=0，否则零点偏色误导。
• 仅在任务明确属于上述范围时使用；输出不替代针对具体环境的验证；缺少必要输入或成功标准时停下澄清。

互见

• requires：无。
• related：csv-data-cleaner（画图前先清洗/规整数据）、sql-query-builder（从库里取数后再可视化）。
• combines_with：与 pandas 数据处理、matplotlib 底层定制搭配使用——Seaborn 出图、matplotlib 微调、pandas 备数据。

采编自 sickn33/antigravity-awesome-skills（MIT）。上游 seaborn 技能原始许可为 BSD-3-Clause。