本篇文章主要介绍了"数据可视化（三）- Seaborn简易入门"，主要涉及到方面的内容，对于Python教程感兴趣的同学可以参考一下：
本文内容来源：https://www.dataquest.io/mission/133/creating-compelling-visualizations本文...
本文内容来源：https://www.dataquest.io/mission/133/creating-compelling-visualizations
本文数据来源：http://www.cdc.gov/nchs/nsfg.htm
本文摘要：介绍一个以matplotlib为底层，更容易定制化作图的库Seaborn
Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。
安装seaborn的方法
pip install seaborn
原始数据展现（这是一份家庭调查的数据，preglngth - 怀孕周长， birthord - 孕妇的第几个孩子， birthwgt_lb1 - 婴儿重量（单位：磅）， birthwgt_oz1 - 婴儿重量（单位：盅司）， agepreg - 孕妇在分娩时的年龄）
import pandas as pd
births = pd.read_csv('births.csv')
直方图
在上一篇文章中已经使用过pandas.DataFrame.hist()来制作直方图了，现在用seaborn.distplot()来制作直方图，观察之间的差异
# 对上表的prglngth列做一个直方图import matplotlib.pyplot as plt
import seaborn as sns #要注意的是一旦导入了seaborn，matplotlib的默认作图风格就会被覆盖成seaborn的格式
%matplotlib inline # 为了在jupyter notebook里作图，需要用到这个命令sns.distplot(births['prglngth'])
sns.plt.show()
可以看到与使用matplotlib作的直方图最大的区别在于有一条密度曲线（KDE），可以通过设置参数去掉这条默认的曲线
sns.distplot(births['prglngth'], kde=False)
sns.plt.show()
那么Pandas与Seaborn之间有什么区别呢？
其实两者都是使用了matplotlib来作图，但是有非常不同的设计差异
