如何用 Python 快速揭示数据之间的各种关系！

探索性数据分析 （EDA） 涉及两个基本步骤

• 数据分析 （数据预处理、清洗以及处理） 。

• 数据可视化 （使用不同类型的图来展示数据中的关系） 。

Pandas 是 Python 中最常用的数据分析库。Python 提供了大量用于数据可视化的库，Matplotlib 是最常用的，它提供了对绘图的完全控制，并使得绘图自定义变得容易。

但是，Matplotlib 缺少了对 Pandas 的支持。而 Seaborn 弥补了这一缺陷，它是建立在 Matplotlib 之上并与 Pandas 紧密集成的数据可视化库。

然而，Seaborn 虽然活干得漂亮，但是函数众多，让人不知道到底该怎么使用它们？不要怂，本文就是为了理清这点，让你快速掌握这款利器。

这篇文章主要涵盖如下内容，

• Seaborn 中提供的不同的绘图类型。

• Pandas 与 Seaborn 的集成如何实现以最少的代码绘制复杂的多维图？

• 如何在 Matplotlib 的辅助下自定义 Seaborn 绘图设置？

谁适合阅读这篇文章？

如果你具备 Matplotlib 和 Pandas 的基本知识，并且想探索一下 Seaborn，那么这篇文章正是不错的起点。

如果目前只掌握 Python，建议 翻阅文末相关文章，特别是 在掌握 Pandas 的基本使用之后再回到这里来或许会更好一些。

1 Matplotlib

尽管仅使用最简单的功能就可以完成许多任务，但是了解 Matplotlib 的基础非常重要，其原因有两个，

• Seaborn 在底层使用 Matplotlib 绘图。

• 一些自定义项需要直接使用 Matplotlib。

这里对 Matplotlib 的基础作个简单概述。下图显示了 Matplotlib 窗口的各个要素。

需要了解的三个主要的类是图形 （Figure） ，图轴 （Axes） 以及坐标轴 （Axis） 。

• 图形 （Figure）