Matplotlib 与 Seaborn 的关系

您现在已经了解了 Matplotlib 和 Seaborn。了解这两个库如何相互关联很重要，因为您经常会一起使用它们。

可以把 Matplotlib 看作是 Python 中绘图的基础引擎。它提供生成各种静态、动态和交互式可视化图表所需的核心对象和函数。它让您能够细致地控制图表的几乎每个方面，从线条粗细和标记样式到文本位置和坐标轴属性。

另一方面，Seaborn 是直接构建在 Matplotlib 之上的。它旨在让创建常见的、具有信息量且美观的统计图表类型变得容易得多。它基于 Matplotlib 的方式如下：

1. 更高级的接口： Seaborn 为特定图表类型（如分布图、分类图和回归模型图）提供函数，这些图表在 Matplotlib 中常需多步或复杂代码。使用 Seaborn，您通常只需一次函数调用即可生成这些图表。
2. 合理的默认设置： Seaborn 带有多个内置主题和调色板，这些主题和调色板旨在开箱即用，美观且统计信息丰富。虽然 Matplotlib 的默认设置功能实用，但 Seaborn 的默认设置通常只需更少的工作就能显得更精致。
3. 统计估计： 许多 Seaborn 绘图函数会自动进行必要的统计估计（如计算均值、置信区间或核密度估计），并直接可视化结果。
4. Pandas DataFrame 集成： Seaborn 专门设计用于高效处理 Pandas DataFrame。您通常可以将整个 DataFrame 传递给 Seaborn 函数，并使用字符串指定列名，这使得处理结构化数据时的代码更清晰、更易读。

然而，由于 Seaborn 基于 Matplotlib 构建，它不能替代后者。相反，它们相互补充。

• Seaborn 生成的每个图表本质上都是一个 Matplotlib 图表。
• 您可以使用 Matplotlib 函数来自定义通过 Seaborn 生成的图表。例如，在使用 Seaborn 函数创建图表后，您可以使用 Matplotlib 的函数来调整坐标轴标签、添加标题、更改图表大小，或将图表保存到文件。

此图显示了 Seaborn 函数如何作为便捷的接口，使用底层的 Matplotlib 引擎生成图表，通常直接从 Pandas DataFrame 获取数据。您的代码可以与这两个库进行交互。

在实践中，许多数据科学家和工程师在生成标准统计可视化图表时，会使用 Seaborn，因为它易于使用且有美观的默认设置。然后，他们会转而使用 Matplotlib 来调整细节、添加复杂注释，或创建高度定制或非标准图表类型。作为初学者，了解这种关系有助于您明白为什么 Seaborn 让某些任务更容易，同时也会知道 Matplotlib 的能力始终可用于更细致的控制。在本课程中，您将看到独立使用和联合使用这两个库的示例。