第二篇：Seaborn基础｜标准导入+自带数据集，新手练习零障碍📚

上一篇我们搞定了Seaborn的安装，今天进入实战基础环节！

很多人学可视化，卡在“找数据”和“导入报错”上，而Seaborn最贴心的一点，就是自带多种真实数据集，不用手动准备，同时导入有固定写法，照搬就能避免报错，直接抄作业👇

📝 标准导入写法（固定不变，所有教程通用）

Seaborn有行业统一的导入简写，搭配Matplotlib和Pandas一起导入，后续绘图更顺畅，记住这几行代码，再也不报错：

# 导入Seaborn，固定简写为sns（所有教程都这么用）import seaborn as sns# 导入Matplotlib，用于显示图表（Seaborn依赖它）import matplotlib.pyplot as plt# 导入Pandas，用于读取和处理数据import pandas as pd# 验证导入是否成功：打印Seaborn版本号，无报错即成功print(sns.__version__)

💡 避坑小提示

如果导入时出现“ModuleNotFoundError”，说明Seaborn未安装成功，重新执行上一篇的安装命令即可；若出现中文乱码，后续我们会专门讲解解决方法～

📦 Seaborn自带数据集：新手练习神器

Seaborn内置了10+种真实数据集，涵盖统计分析、分类、回归等多种场景，用sns.load_dataset()函数就能一键调用，返回的是Pandas的DataFrame格式，直接就能用于绘图，省去手动找数据的麻烦！

✅ 5个常用自带数据集（直接复制运行）

import seaborn as snsimport pandas as pd# 1. 小费数据集（最常用，包含消费金额、小费、性别、用餐时间等信息）tips = sns.load_dataset("tips")print("小费数据集前5行：")print(tips.head())# 2. 鸢尾花数据集（分类场景常用，包含花瓣、花萼尺寸等信息）iris = sns.load_dataset("iris")# 3. 航班数据集（时间序列场景常用，包含年份、月份、航班数量）flights = sns.load_dataset("flights")# 4. 泰坦尼克号数据集（分类、生存分析常用）titanic = sns.load_dataset("titanic")# 5. 企鹅数据集（新手入门首选，数据简单易理解）penguins = sns.load_dataset("penguins")# 查看所有自带数据集名称（按需选择）print("\nSeaborn所有自带数据集：", sns.get_dataset_names())

Seaborn所有自带数据集： ['anagrams', 'anscombe', 'attention', 'brain_networks', 'car_crashes', 'diamonds', 'dots', 'dowjones', 'exercise', 'flights', 'fmri', 'geyser', 'glue', 'healthexp', 'iris', 'mpg', 'penguins', 'planets', 'seaice', 'taxis', 'tips', 'titanic']

🔧 小技巧：数据集下载失败怎么办？

调用数据集时，如果出现“下载失败”提示，可尝试两种方法：

1. 更换网络，重新运行代码（大概率能解决）；

2. 手动下载数据集文件，放在代码同一目录下，用Pandas的pd.read_csv()函数读取。

📌 第二篇小结+下篇预告

本篇我们掌握了Seaborn的标准导入方法和自带数据集，解决了新手“导入报错”和“找数据难”的痛点，接下来就能正式开始绘图啦～

下篇我们将讲解Seaborn的主题样式设置，一键切换简约、暗黑、复古等风格，让你的图表颜值瞬间拉满，记得持续关注！

往期回顾：