一、主题风格

风格：darkgrid、whitegrid、dark、white、ticks

执行下面函数的各种风格演示：

默认matplotlib风格：

dark风格：

white风格：

ticks风格：

darkgrid风格：

whitegrid风格：

set()函数表示默认风格：

despine()函数：

set_context函数：

二、颜色

默认颜色：

需要使用比当前默认颜色循环中设置的颜色更多时，最常用的方法是使用hls的颜色空间，这是RGB值的一个简单转换。

连续色板：

色彩随数据变换，比如数据越来越重要则颜色越来越深

三、单变量分析绘图

根据均值和协方差生成数据：

观测两个变量之间的分布关系最好用散点图：

数据量较大时，传入参数：kind="hex"

多个特征，根据两两特征作图：

四、回归分析绘图

加载数据集

regplot()和lmplot()都可以绘制回归关系,推荐regplot()

两个维度数据都是连续的：散点图 + 线性回归 + 95%置信区间：

一个维度数据是连续的，一个维度数据是离散的，连续轴抖动x_jitter参数：

lmplot的hue参数按cloumns分组，一图多组：

markers参数标示实例点，size参数控制图形大小：

lmplot的hue参数按cloumns分组，加col参数——列增加，加row参数——行增加：

lmplot的col参数分出来多组后，col_wrap参数控制图形显示排布；size参数设置图形大小，aspect参数设置图形横纵比：

lmplot的order参数，设置高阶拟合（lmplot默认order参数是一阶的）：

五、分类

重叠是很常见的现象，但是重叠影响我观察数据的量了  

六、其他

IQR即统计学概念四分位距，第一/四分位与第三/四分位之间的距离

N = 1.5IQR 如果一个值>Q3+N或　<　Ｑ1-N,则为离群点

显示值的集中趋势可以用条形图：

点图：更好的描述变化差异

多层面板分类图factorplot：

seaborn.factorplot(x=None, y=None, hue=None, data=None, row=None, col=None, col_wrap=None, estimator=, ci=95, n_boot=1000, units=None, order=None, hue_order=None, row_order=None, col_order=None, kind='point', size=4, aspect=1, orient=None, color=None, palette=None, legend=True, legend_out=True, sharex=True, sharey=True, margin_titles=False, facet_kws=None, **kwargs)

七、FacetGrid

八、热度图