seaborn — matplotlib 之上的一行统计图

是什么

seaborn 是 Michael Waskom 2012 年在斯坦福读神经科学博士期间发起、现由 NumFOCUS 财务赞助的 Python 统计可视化库。日常类比：matplotlib 像装在三脚架上的单反——光圈、快门、白平衡都要自己拧；seaborn 是一台 “人像模式” 的手机相机——你说 “把这组分类列拍成箱线图、按性别上色、按年级分面”，剩下交给它。底层每一次调用最终都还是落到 matplotlib 的 Axes 上，所以 “seaborn 出的图” 本质是 “matplotlib 出的图，但配置由统计语义自动决定”。

最小例子：

import seaborn as sns
tips = sns.load_dataset("tips")

sns.boxplot(data=tips, x="day", y="total_bill", hue="sex")

一行干了三件事：把 day 当分类轴、total_bill 当数值轴、sex 当配色维度，自带箱体 + 中位数 + 须 + 离群点 + 图例 + 调色板。同样一张图用 matplotlib 写要 30 行 groupby + bar + errorbar。

为什么重要

不理解 seaborn，下面这些事都没法解释：

为什么 EDA（探索式数据分析）阶段大家不直接 matplotlib——boxplot / violinplot / heatmap 三件套是 seaborn 的主场，matplotlib 写起来太啰嗦
为什么 pandas DataFrame 越来越偏好 “长格式”（long-form）——seaborn 的 hue / col / row 直接吃列名，宽格式必须先 melt
为什么 v0.12（2022-09）以后多了一套 seaborn.objects 接口——是 Waskom 把 Wilkinson Grammar of Graphics 思想（plotnine 同源）引进来，给老 API 留一条声明式分叉
为什么科研论文里那些 “同一指标按多组分面 + 95% CI 阴影” 的图大多是 seaborn——bootstrap 置信区间、KDE、回归带都是内建

核心要点

seaborn 的 API 分两层，弄清楚这一刀解决 90% 困惑：

figure-level：relplot / displot / catplot / lmplot / jointplot / pairplot。返回 FacetGrid（不是 Axes），自己创建一整张 Figure，支持 col= row= 自动分面
axes-level：scatterplot / lineplot / boxplot / violinplot / heatmap / kdeplot / regplot 等。画到 现有 Axes（默认当前 Axes 或你传的 ax=），可以和 matplotlib 子图混用

记忆窍门：“带 plot 后缀但又是大类名” 的几乎都是 figure-level（relplot = relational plot），细分函数（boxplot / scatterplot）是 axes-level。两者参数大同小异，但返回值不同——这是新人最常踩的坑。

数据格式偏好：

长格式（long-form / tidy）：每行一个观测，列名当变量。hue="sex" 直接生效
宽格式：seaborn 也认，但 hue / style / size 必须自己拼。建议先 df.melt()

统计内建（matplotlib 没有，要自己写）：

bootstrap 重采样默认 1000 次，自动画 95% 置信带（lineplot / lmplot / barplot）
KDE（核密度估计）：kdeplot、displot(kind="kde")
回归：regplot 默认 OLS，可切 lowess / order=2 多项式 / logistic=True

样式系统：

sns.set_theme(style="whitegrid", palette="deep") 一键改全局——本质是改 matplotlib rcParams
五种默认样式：darkgrid / whitegrid / dark / white / ticks
调色板：分类用 deep / muted / pastel / bright / dark / colorblind；连续用 rocket / mako / flare / crest（替代 matplotlib 的 viridis）

实践案例

案例 1：箱线图 + 分面 + 配色一行调用

sns.catplot(
    data=tips, kind="box",
    x="day", y="total_bill", hue="sex",
    col="time", height=4, aspect=0.8,
)

catplot(kind="box") 是 figure-level 包装。col="time" 自动按 lunch/dinner 横向分面成两子图，每子图内部按 day 分组、按 sex 上色——四维信息一行表达。返回 FacetGrid，后续 g.set_axis_labels("星期", "账单 / 美元") 改文字。

案例 2：热力图（相关矩阵）

import numpy as np
corr = tips.corr(numeric_only=True)
mask = np.triu(np.ones_like(corr, dtype=bool))

sns.heatmap(
    corr, mask=mask, annot=True, fmt=".2f",
    cmap="rocket_r", center=0, square=True, linewidths=0.5,
)

mask 把上三角遮掉避免重复，annot=True 把数字直接画在格子里，square=True 强制正方形格子。混淆矩阵也用同款写法，把 corr 换成 sklearn.metrics.confusion_matrix(...) 输出即可。

案例 3：分类图三兄弟（boxplot / violinplot / stripplot）

import matplotlib.pyplot as plt

fig, axes = plt.subplots(1, 3, figsize=(12, 4), sharey=True)
sns.boxplot   (data=tips, x="day", y="total_bill", ax=axes[0])
sns.violinplot(data=tips, x="day", y="total_bill", ax=axes[1])
sns.stripplot (data=tips, x="day", y="total_bill", ax=axes[2], jitter=0.2, size=3)

三种分布展示方式同位对比：箱线给五数概括、提琴叠 KDE、带状散点保留每个观测。注意三个都是 axes-level——传 ax= 直接画到指定子图。混用 matplotlib 的 plt.subplots 是日常工作流的标准姿势。

踩过的坑

figure-level 返回的不是 Axes：g = sns.relplot(...) 后想存图，写 plt.savefig 拿到的是空白；正确做法 g.figure.savefig("out.png") 或 g.savefig(...)。同样 g.ax 只在单子图时存在，多子图要走 g.axes 或 g.axes_dict。
宽数据传 hue 不生效：宽表（每列一个变量）直接喂会被当成 “y 是这一列”，hue 失效。先 df.melt(id_vars=[...], var_name="metric", value_name="value") 转长格式。
数值列被当连续色：hue="rating" 如果 rating 是 int，seaborn 默认连续色板（rocket）；想要离散色板必须 hue=df["rating"].astype(str) 或 palette="deep" 配合 hue_order=。
set_theme 污染全局 rcParams：在 notebook 里调一次 sns.set_theme(style="dark")，后面纯 matplotlib 出图也变深色背景。库代码里别用 set_theme，临时上下文用 with sns.axes_style("dark"): ...。
heatmap 不聚类：要按相似度重排行列必须用 sns.clustermap(corr)——它走 scipy.cluster.hierarchy 做层次聚类，返回 ClusterGrid（也是 figure-level），savefig 同样走 g.savefig。
distplot 已弃用：v0.11 起拆成 histplot / kdeplot / ecdfplot / displot。老教程里的 sns.distplot(x) 现在会报 FutureWarning，等价 sns.histplot(x, kde=True)。

适用 vs 不适用场景

适用：

EDA 阶段一行出图、一行换分面（catplot / relplot / displot 三大门）
论文 figure 里 “同指标分组 + 95% CI” 的标准范式
相关矩阵 / 混淆矩阵 / 任何热力图
分布对比（boxplot / violinplot / stripplot / swarmplot 一组）

不适用：

像素级排版（双栏 PDF、嵌入数学公式）→ 退回 matplotlib OO API
交互（hover、zoom、brush 联动）→ altair / Plotly
Web 前端嵌入 → vega-lite
grammar of graphics 风格的可组合管线 → seaborn.objects 或 plotnine
海量点（>1M）实时渲染 → datashader

学到什么

API 两层切分（figure-level vs axes-level）解决了 “高层方便 vs 底层可控” 的老矛盾——figure-level 一行起飞、axes-level 嵌进 matplotlib 复合 panel，二者共享 90% 参数
统计语义提前：bootstrap CI / KDE / 回归带这种 “几乎每张科研图都要” 的东西做进默认行为，是 seaborn 真正提速 EDA 的核心，不是颜值
长格式 DataFrame 是声明式可视化的入场券：seaborn / plotnine / altair 都偏好 long-form——hue / col / row 直接 = 列名，这种范式比宽表更适合 “组合多变量”
建在 matplotlib 之上而不是替代：保留 ax= 接口让你随时退回到底层精修——这种 “高层默认 + 底层逃生口” 的设计哲学值得复用

关联

matplotlib —— seaborn 每张图最终落到 matplotlib 的 Axes / Figure
pandas —— seaborn 偏好长格式 DataFrame，hue / col / row 直接是列名
plotnine —— ggplot2 的 Python 移植，与 seaborn.objects 同走声明式 grammar 路线
altair —— 声明式 + 交互向，seaborn 的对照（静态 vs 交互、命令式 vs 声明式）
vega-lite —— Web 端 grammar of graphics 标准，对位 seaborn.objects 的设计哲学