[{"createTime":1735734952000,"id":1,"img":"hwy_ms_500_252.jpeg","link":"https://activity.huaweicloud.com/cps.html?fromacct=261f35b6-af54-4511-a2ca-910fa15905d1&utm_source=V1g3MDY4NTY=&utm_medium=cps&utm_campaign=201905","name":"华为云秒杀","status":9,"txt":"华为云38元秒杀","type":1,"updateTime":1735747411000,"userId":3},{"createTime":1736173885000,"id":2,"img":"txy_480_300.png","link":"https://cloud.tencent.com/act/cps/redirect?redirect=1077&cps_key=edb15096bfff75effaaa8c8bb66138bd&from=console","name":"腾讯云秒杀","status":9,"txt":"腾讯云限量秒杀","type":1,"updateTime":1736173885000,"userId":3},{"createTime":1736177492000,"id":3,"img":"aly_251_140.png","link":"https://www.aliyun.com/minisite/goods?userCode=pwp8kmv3","memo":"","name":"阿里云","status":9,"txt":"阿里云2折起","type":1,"updateTime":1736177492000,"userId":3},{"createTime":1735660800000,"id":4,"img":"vultr_560_300.png","link":"https://www.vultr.com/?ref=9603742-8H","name":"Vultr","status":9,"txt":"Vultr送$100","type":1,"updateTime":1735660800000,"userId":3},{"createTime":1735660800000,"id":5,"img":"jdy_663_320.jpg","link":"https://3.cn/2ay1-e5t","name":"京东云","status":9,"txt":"京东云特惠专区","type":1,"updateTime":1735660800000,"userId":3},{"createTime":1735660800000,"id":6,"img":"new_ads.png","link":"https://www.iodraw.com/ads","name":"发布广告","status":9,"txt":"发布广告","type":1,"updateTime":1735660800000,"userId":3},{"createTime":1735660800000,"id":7,"img":"yun_910_50.png","link":"https://activity.huaweicloud.com/discount_area_v5/index.html?fromacct=261f35b6-af54-4511-a2ca-910fa15905d1&utm_source=aXhpYW95YW5nOA===&utm_medium=cps&utm_campaign=201905","name":"底部","status":9,"txt":"高性能云服务器2折起","type":2,"updateTime":1735660800000,"userId":3}]
在上一篇介绍 Seaborn 的文章中，我们讨论了一些基础的可视化工具，例如直方图，以及如何使用 Seaborn
控制图形的样式和颜色。在这篇文章中，我们将深入 Seaborn 的中级使用，包括创建复杂的统计图形，如散点图矩阵、箱线图和小提琴图等。
<>一、散点图矩阵
Seaborn 的 pairplot 函数可以创建一个散点图矩阵，用来展示多个变量间的关系。散点图矩阵中的每个子图展示了数据集中两个变量的关系。
下面的例子展示了如何使用 pairplot 创建散点图矩阵：
import seaborn as sns import matplotlib.pyplot as plt from sklearn.datasets
import load_iris # 加载 iris 数据集 iris = load_iris() data = iris.data feature_names
= iris.feature_names # 创建 DataFrame df = pd.DataFrame(data, columns=
feature_names) # 创建散点图矩阵 sns.pairplot(df) # 显示图形 plt.show()
<>二、箱线图和小提琴图
箱线图是一种用于展示数据分布的统计图形，它可以显示数据的最大值、最小值、中位数、第一四分位数和第三四分位数。
小提琴图是箱线图的变体，除了显示与箱线图相同的统计信息外，还添加了 KDE（Kernel Density
Estimation）曲线，使得我们可以看到数据的分布情况。
下面的例子展示了如何使用 Seaborn 创建箱线图和小提琴图：
# 创建箱线图 sns.boxplot(x="species", y="sepal length (cm)", data=df) # 创建小提琴图 sns.
violinplot(x="species", y="sepal length (cm)", data=df)
<>三、绘制多个子图
Seaborn 还提供了 FacetGrid 类，用于创建多个子图。FacetGrid
可以根据数据的一个或多个特性创建子图，使得我们可以在不同的子图中比较这些特性。
下面的例子展示了如何使用 FacetGrid 创建子图：
# 创建 FacetGrid g = sns.FacetGrid(df, col="species") # 在每个子图中绘制直方图 g.map(sns.
histplot, "sepal length (cm)")
<>四、结论
在这篇文章中，我们进一步探讨了 Seaborn 的中级使用，包括如何创建散点图矩阵、箱线图、小提琴图，以及如何使用 FacetGrid
创建多个子图。这些工具都是 Seaborn 提供的强大功能，可以
