# Seaborn = 基于 Matplotlib 的高级可视化库
# 特点：
# 1. 一行代码画出复杂图表（Matplotlib 可能要 20 行）
# 2. 默认样式美观（配色和谐，字体清晰）
# 3. 原生支持 Pandas DataFrame
# 4. 内置统计计算（均值、置信区间等）

# 安装
# pip install seaborn

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 中文设置
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# Seaborn vs Matplotlib 速览：
# Matplotlib → 底层画笔，完全控制，代码多
# Seaborn → 高层封装，统计图表，代码少，好看

import seaborn as sns

# Seaborn 自带多个经典数据集，方便练习
tips = sns.load_dataset('tips')     # 餐厅小费数据
titanic = sns.load_dataset('titanic')  # 泰坦尼克号
iris = sns.load_dataset('iris')     # 鸢尾花
flights = sns.load_dataset('flights')  # 航班乘客数

# 查看数据
print(tips.head())
#    total_bill   tip     sex smoker  day    time  size
# 0       16.99  1.01  Female     No  Sun  Dinner     2
# 1       10.34  1.66    Male     No  Sun  Dinner     3
# 2       21.01  3.50    Male     No  Sun  Dinner     3
# 3       23.68  3.31    Male     No  Sun  Dinner     2
# 4       24.59  3.61  Female     No  Sun  Dinner     4

print(tips.describe())
print(tips.dtypes)

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

# === histplot：直方图 + 密度曲线（最常用）===
fig, axes = plt.subplots(1, 3, figsize=(18, 5))

# 基础直方图
sns.histplot(tips['total_bill'], bins=20, ax=axes[0], color='#07c160')
axes[0].set_title('基础直方图')

# 带 KDE 密度曲线
sns.histplot(tips['total_bill'], kde=True, ax=axes[1], color='#4d96ff')
axes[1].set_title('直方图 + 密度曲线')

# 按类别着色
sns.histplot(data=tips, x='total_bill', hue='time', kde=True, ax=axes[2])
axes[2].set_title('按用餐时间分色')

plt.tight_layout()
plt.show()

# === kdeplot：核密度估计（平滑版直方图）===
fig, ax = plt.subplots(figsize=(10, 6))

sns.kdeplot(data=tips, x='total_bill', hue='time', fill=True, ax=ax, alpha=0.5)
ax.set_title('账单金额的密度分布（按用餐时间）')
ax.set_xlabel('账单金额')
ax.set_ylabel('密度')

plt.tight_layout()
plt.show()

# === ecdfplot：累积分布函数（CDF）===
fig, ax = plt.subplots(figsize=(10, 6))
sns.ecdfplot(data=tips, x='total_bill', hue='time', ax=ax)
ax.set_title('账单金额的累积分布')
ax.set_xlabel('账单金额')
ax.set_ylabel('累积比例')
plt.tight_layout()
plt.show()

💡 直方图 vs KDE：

• histplot（直方图）：把数据分成若干小格，数每个格里有多少个数据点。直观但受 bin 数量影响。
• kdeplot（密度曲线）：用数学方法拟合出一条平滑曲线。不受 bin 影响，更优雅。
• 推荐：sns.histplot(kde=True) 两者兼得——直方图看原始分布，曲线看整体趋势。

4. 分类图

分类图回答一个问题：不同类别之间的数据有什么区别？

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

# === boxplot：箱线图（最常用）===
fig, axes = plt.subplots(1, 3, figsize=(18, 5))

# 基础箱线图
sns.boxplot(data=tips, x='day', y='total_bill', hue='day', ax=axes[0],
            palette='Set2', legend=False)
axes[0].set_title('各天账单金额分布')

# 按性别分组
sns.boxplot(data=tips, x='day', y='total_bill', hue='sex', ax=axes[1], palette='Set2')
axes[1].set_title('各天账单（按性别分组）')

# 水平箱线图
sns.boxplot(data=tips, y='day', x='total_bill', hue='day', ax=axes[2],
            palette='Set2', legend=False)
axes[2].set_title('水平箱线图')

plt.tight_layout()
plt.show()

# === violinplot：小提琴图（箱线图 + 密度曲线）===
fig, ax = plt.subplots(figsize=(10, 6))
sns.violinplot(data=tips, x='day', y='total_bill', hue='sex',
               split=True, ax=ax, palette='Set2')
ax.set_title('小提琴图：账单金额分布（按性别分半）')
plt.tight_layout()
plt.show()

# === stripplot / swarmplot：散点分布图 ===
fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# stripplot：随机抖动散点（有重叠）
sns.stripplot(data=tips, x='day', y='total_bill', ax=axes[0],
              color='#07c160', alpha=0.6, jitter=True)
axes[0].set_title('stripplot：抖动散点')

# swarmplot：无重叠散点（计算最优位置）
sns.swarmplot(data=tips, x='day', y='total_bill', ax=axes[1],
              color='#4d96ff', size=4)
axes[1].set_title('swarmplot：蜂群散点')

plt.tight_layout()
plt.show()

# === barplot：带误差线的柱状图（自动计算均值和置信区间）===
fig, ax = plt.subplots(figsize=(10, 6))
sns.barplot(data=tips, x='day', y='total_bill', hue='time',
            ax=ax, palette='Set2', errorbar=('ci', 95))  # 95% 置信区间
ax.set_title('各天平均账单（按用餐时间）')
ax.set_ylabel('平均账单金额')
plt.tight_layout()
plt.show()

# === countplot：计数柱状图（统计频次）===
fig, ax = plt.subplots(figsize=(10, 6))
sns.countplot(data=tips, x='day', hue='time', ax=ax, palette='Set2')
ax.set_title('各天用餐次数（按用餐时间）')
ax.set_ylabel('次数')
plt.tight_layout()
plt.show()

📋 分类图选择指南

5. 关系图

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

# === scatterplot：散点图 ===
fig, ax = plt.subplots(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip',
                hue='time', size='size', sizes=(50, 300),
                alpha=0.7, ax=ax, palette='Set2')
ax.set_title('账单金额 vs 小费（颜色=时间，大小=人数）')
ax.set_xlabel('账单金额')
ax.set_ylabel('小费')
plt.tight_layout()
plt.show()

# === lineplot：折线图（带置信区间）===
flights = sns.load_dataset('flights')
fig, ax = plt.subplots(figsize=(12, 6))
sns.lineplot(data=flights, x='year', y='passengers', ax=ax,
             color='#07c160', linewidth=2)
ax.set_title('航班乘客数趋势（1949-1960）')
ax.set_xlabel('年份')
ax.set_ylabel('乘客数（千人）')
plt.tight_layout()
plt.show()

# === relplot：关系图的 FacetGrid 版本（自动分面板）===
# 一行代码生成多面板散点图
g = sns.relplot(data=tips, x='total_bill', y='tip',
                col='time',      # 按时间分列
                hue='sex',       # 按性别着色
                style='smoker',  # 按吸烟状态区分标记
                kind='scatter',
                height=5, aspect=1.2)
g.fig.suptitle('多面板散点图', y=1.02, fontsize=16)
plt.tight_layout()
plt.show()

6. 回归图

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

# === regplot：散点 + 回归线 ===
fig, ax = plt.subplots(figsize=(10, 6))
sns.regplot(data=tips, x='total_bill', y='tip',
            ax=ax, color='#07c160',
            scatter_kws={'alpha': 0.5, 's': 30},
            line_kws={'color': 'red', 'linewidth': 2})
ax.set_title('账单与小费的线性回归')
ax.set_xlabel('账单金额')
ax.set_ylabel('小费')
plt.tight_layout()
plt.show()

# === lmplot：多面板回归图 ===
g = sns.lmplot(data=tips, x='total_bill', y='tip',
               col='time',       # 按时间分列
               hue='smoker',     # 按吸烟状态分色
               height=5, aspect=1.2,
               scatter_kws={'alpha': 0.5},
               palette='Set2')
g.fig.suptitle('账单与小费的关系（按时间和吸烟状态）', y=1.02, fontsize=14)
plt.tight_layout()
plt.show()

# === residplot：残差图（检查回归假设）===
fig, ax = plt.subplots(figsize=(10, 6))
sns.residplot(data=tips, x='total_bill', y='tip', ax=ax, color='#4d96ff')
ax.set_title('残差图（检查线性假设）')
ax.set_xlabel('账单金额')
ax.set_ylabel('残差')
plt.tight_layout()
plt.show()

💡 回归图怎么解读？

• 回归线向上 → 正相关（X 增大，Y 也增大）
• 回归线向下 → 负相关
• 阴影区域 → 置信区间（越窄表示拟合越确定）
• 残差图：点应该随机分布在 0 附近。如果呈现规律（如 U 形），说明线性模型不合适。

7. 热力图（heatmap）

热力图是最直观的数据展示方式——颜色深浅表示数值大小。常用于相关矩阵和数据透视。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# === 相关矩阵热力图（最常用！）===
iris = sns.load_dataset('iris')

# 计算相关系数矩阵
corr = iris.corr(numeric_only=True)
print(corr)
#                sepal_length  sepal_width  petal_length  petal_width
# sepal_length       1.000       -0.118         0.872        0.818
# sepal_width       -0.118        1.000        -0.428       -0.366
# petal_length       0.872       -0.428         1.000        0.963
# petal_width        0.818       -0.366         0.963        1.000

fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(corr,
            annot=True,       # 显示数值
            fmt='.2f',        # 保留2位小数
            cmap='RdYlGn',    # 颜色方案（红黄绿）
            center=0,         # 0 值对应的颜色
            square=True,      # 正方形格子
            linewidths=1,     # 格线宽度
            vmin=-1, vmax=1,  # 颜色范围
            ax=ax)
ax.set_title('鸢尾花特征相关矩阵', fontsize=16)
plt.tight_layout()
plt.show()

# === 数据透视表热力图 ===
flights = sns.load_dataset('flights')
pivot = flights.pivot_table(index='month', columns='year', values='passengers')

fig, ax = plt.subplots(figsize=(14, 6))
sns.heatmap(pivot,
            annot=True,       # 显示数值
            fmt='d',          # 整数格式
            cmap='YlOrRd',    # 黄橙红配色
            linewidths=0.5,
            ax=ax)
ax.set_title('航班乘客数热力图（月份 × 年份）', fontsize=16)
ax.set_xlabel('年份')
ax.set_ylabel('月份')
plt.tight_layout()
plt.show()

# === 掩码上三角（只显示下三角）===
corr = iris.corr(numeric_only=True)
mask = np.triu(np.ones_like(corr, dtype=bool))  # 上三角为 True

fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(corr, mask=mask, annot=True, fmt='.2f',
            cmap='coolwarm', center=0, square=True, ax=ax)
ax.set_title('相关矩阵（下三角）')
plt.tight_layout()
plt.show()

📋 热力图常用配色方案

8. 配对图（pairplot）

import seaborn as sns
import matplotlib.pyplot as plt

# pairplot：一次性展示所有数值变量两两关系
iris = sns.load_dataset('iris')

g = sns.pairplot(iris,
                 hue='species',      # 按品种着色
                 diag_kind='kde',    # 对角线用密度图（默认 hist）
                 palette='Set2',
                 height=2.5,
                 plot_kws={'alpha': 0.6, 's': 40})

g.fig.suptitle('鸢尾花配对图', y=1.02, fontsize=16)
plt.tight_layout()
plt.show()

# 配对图解读：
# 对角线：每个变量的分布（按品种分色）
# 非对角线：两个变量的散点图（按品种分色）
# 如果某个散点图中不同颜色明显分开 → 这两个变量能区分品种

# 只选择部分变量
g = sns.pairplot(iris,
                 vars=['sepal_length', 'petal_length', 'petal_width'],
                 hue='species',
                 palette='Set2',
                 height=3)
plt.tight_layout()
plt.show()

9. FacetGrid 多面板

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

# === FacetGrid：最灵活的多面板工具 ===
# 按 row/column 分面板
g = sns.FacetGrid(tips, col='time', row='sex', height=4, aspect=1.2)
g.map(sns.histplot, 'total_bill', kde=True, color='#07c160')
g.set_axis_labels('账单金额', '频数')
g.fig.suptitle('账单金额分布（按性别×时间）', y=1.02, fontsize=14)
plt.tight_layout()
plt.show()

# === catplot：分类图的 FacetGrid 版本 ===
g = sns.catplot(data=tips, x='day', y='total_bill',
                hue='sex', col='time',
                kind='box',        # 可换成 violin / bar / strip
                height=5, aspect=1.0,
                palette='Set2')
g.fig.suptitle('各天账单（按性别×时间×图表类型）', y=1.02, fontsize=14)
plt.tight_layout()
plt.show()

# === jointplot：散点 + 边缘分布 ===
g = sns.jointplot(data=tips, x='total_bill', y='tip',
                  kind='scatter',       # 可换成 kde / hex / reg
                  hue='time',
                  height=8, ratio=4,
                  marginal_kws={'fill': True})
g.fig.suptitle('账单 vs 小费（含边缘分布）', y=1.02, fontsize=14)
plt.tight_layout()
plt.show()

# jointplot 的 kind 选项：
# 'scatter' → 散点图（默认）
# 'kde'     → 密度等高线
# 'hex'     → 六边形分箱
# 'reg'     → 散点 + 回归线

10. 主题与样式

import seaborn as sns
import matplotlib.pyplot as plt

# === 5 种内置主题 ===
# sns.set_theme(style='darkgrid')    # 深色网格（默认）
# sns.set_theme(style='whitegrid')   # 浅色网格（适合数据展示）
# sns.set_theme(style='dark')        # 纯暗色背景
# sns.set_theme(style='white')       # 纯白背景
# sns.set_theme(style='ticks')       # 带刻度线

# === 配色方案 ===
# sns.set_palette('Set2')        # 柔和色（8色）
# sns.set_palette('husl')        # 均匀亮度色（10+色）
# sns.set_palette('pastel')      # 柔粉色
# sns.set_palette('muted')       # 柔和深色
# sns.set_palette('deep')        # 鲜艳深色
# sns.set_palette('colorblind')  # 色盲友好

# 临时设置（不影响全局）
with sns.color_palette('Set2'):
    fig, ax = plt.subplots()
    sns.boxplot(data=tips, x='day', y='total_bill', ax=ax)
    plt.show()

# === 完整主题示例 ===
sns.set_theme(
    style='whitegrid',
    palette='Set2',
    font_scale=1.2,          # 字体缩放
    rc={                      # Matplotlib 参数覆盖
        'figure.figsize': (10, 6),
        'axes.titlesize': 16,
        'axes.labelsize': 12,
    }
)

fig, ax = plt.subplots()
sns.violinplot(data=tips, x='day', y='total_bill', hue='sex',
               split=True, ax=ax)
ax.set_title('Seaborn 白色网格主题', fontsize=16)
plt.tight_layout()
plt.show()

# 恢复默认主题
sns.set_theme()  # 不传参数 = 恢复默认

11. 今日练习

🏋️ 练习 1：泰坦尼克号生存分析

# 用 Seaborn 分析泰坦尼克号数据：
# 1. 画舱位等级 vs 生存率的柱状图
# 2. 画年龄分布的直方图（按生存状态分色）
# 3. 画性别 × 舱位 × 生存的分组箱线图
# 4. 画相关矩阵热力图

🏋️ 练习 2：鸢尾花分类可视化

# 用鸢尾花数据：
# 1. 画配对图（pairplot），观察哪些特征能区分品种
# 2. 画花瓣长度 vs 花瓣宽度的散点图（按品种分色 + 回归线）
# 3. 画各品种的特征箱线图对比

🏋️ 练习 3：自定义报告图表

# 创建一组专业报告图表（2x2 子图布局）：
# - 左上：销售趋势折线图
# - 右上：品类占比饼图
# - 左下：价格分布直方图 + KDE
# - 右下：相关性热力图
# 要求：统一配色、统一字体、统一标题风格

12. 今日小结

🎉 可视化阶段完结！

Day 76-77 你掌握了 Python 数据可视化的两大利器：
✅ Matplotlib — 底层控制，完全定制
✅ Seaborn — 高级封装，一行代码，统计图表

明天 Day 78 是数据科学综合项目——用 NumPy + Pandas + Matplotlib + Seaborn 完成一份完整的电商销售数据分析报告！