Seaborn中專門提供了針對分類資料的繪圖函式，可以很好的展示分類資料的分佈情況。

分類資料的視覺化

1. 分類的散點圖

可以使用stripplot()來展示散點圖中一個變數是分類的情況。

titanic = sns.load_dataset("titanic")
tips = sns.load_dataset("tips")
iris = sns.load_dataset("iris")
sns.stripplot(x="day", y="total_bill", data=tips);

可以看到很方便的展示了分類作為變數的時候散點圖的分佈

當是我們可以看到上圖中有很多點是相互重複的，我們無法準卻的觀察每個點的位置，針對這種情況，Seaborn提供了多種解決辦法。

1. 第一種是：通過給點加一些隨機的偏移量（分類座標上的），設定jitter引數為True即可

   sns.stripplot(x="day", y="total_bill", data=tips, jitter=True);

   我們可以很明顯的看到聚集的點被隨機的分散開了
   

2. 第二種是直接使用 swarmplot()函式來繪製，這種方法使得資料更為比較明顯的分散

   sns.swarmplot(x="day", y="total_bill", data=tips);

   

2. 類別內部資料分類的情況的展示
Seaborn中提供多種方式來統計一個類別內資料的整體分佈情況，主要方式有盒圖，小提琴圖

1. 使用boxplot()來繪製盒圖
   關於什麼事盒圖以及他的使用方法可以參考這個關於盒圖的介紹

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

   

2. 使用violinplot()來繪製小提琴圖
   關於什麼事盒圖以及他的使用方法可以參考這個小提琴圖的介紹

   sns.violinplot(x="total_bill", y="day", hue="time", data=tips);

   

總結

1. 我們主要學習瞭解了怎麼使用Seaborn來實現對matplotlib所繪圖形的美化Seaborn學習筆記
   ，包括直接使用其提供的預設主題，自定義主題，通過域的限制來繪製不同風格的主題以及各種色板的使用
2. 瞭解了Seaborn提供的展示資料間關係的繪圖函式Seaborn學習筆記（二），包括繪製單變數資料的分佈，多變數資料的分佈以及多種展示資料分佈的圖
3. 最後學習了展示資料集中資料的分佈情況，瞭解整個資料集的統計資訊的展示。