“懒惰”在这里是种美德。grplot 正是为“懒惰”的统计绘图而生的，它通过高度封装的函数，让你能快速从数据中挖掘洞察，而不是把时间花在繁琐的图表细节调整上。
🚀 快速上手：安装与基础用法
首先，通过 pip 安装 grplot：
安装后，我们通过一个折线图例子，感受下它的便捷。下面的代码展示了从导入库、加载数据到绘制图表的标准步骤：
from grplot import plot2dimport grplot_seaborn as gs# 设置主题，让图表更好看gs.set_theme(context='notebook', style='darkgrid', palette='deep')# 加载示例数据集flights = gs.load_dataset('flights')# 一行代码，生成完整的折线图！ax = plot2d( plot='lineplot', # 指定绘图类型 df=flights, # 数据源 x='year', # X轴 y='passengers', # Y轴 sep={'passengers':'.', 'year':None}, text=True, ystatdesc='count+unique', title='passengers vs year', legend_loc='upper left', ci=95 # 显示95%置信区间)
在 plot='lineplot' 位置，你可以更换为 'histplot'、'boxplot' 等多种图形名称。
🎨 图表速览：一行代码，多种可能
为了让你更直观地感受 grplot 的便捷与强大，下面是几个典型图表的代码示例。
直方图 (Histogram)：在直方图的基础上，可以轻松叠加核密度估计 (KDE) 曲线。
ax = plot2d(plot='histplot', df=tips, x='total_bill', kde=True, alpha=0.75)
箱线图 + 蜂群图 (Boxplot + Swarmplot)：两种图表可以组合展示，更全面地呈现数据分布。
ax = plot2d(plot='boxplot+swarmplot', df=tips, x='total_bill', y='day', figsize=[10,6])
核密度估计图 (KDE Plot)：轻松绘制平滑的密度曲线。
ax = plot2d(plot='kdeplot', df=tips, x='total_bill')
小提琴图 (Violin Plot)：结合了箱线图与密度图的特点。
ax = plot2d(plot='violinplot', df=tips, x='day', y='total_bill')
帕累托图 (Pareto Plot)：用于识别关键的少数因素。
ax = plot2d(plot='paretoplot', df=tips, x='day', y='total_bill')
🧠 深入核心：plot2d 函数工作流程
plot2d 是 grplot 库的核心，它的工作流程可以用下面的流程图来清晰地表示：
这个流程展示了 plot2d 函数如何根据你的参数，在背后调用 matplotlib、seaborn 等库，完成图表绘制。你也可以通过 help(grplot) 在Python环境中查看详细文档。
💎 总结：grplot 的定位
总的来说，grplot 是一个高级封装库。它并非要替代 matplotlib 或 seaborn，而是提供一个更快捷的“语法糖”。对于需要快速进行探索性数据分析、不想记忆大量底层API的用户来说，grplot 是一个很好的选择。
