violinplot能干什么？

小提琴图（violinplot）是箱线图和核密度图的合体。下面的示例均采用mpg示例库，导入代码：

import seaborn as sns
df = sns.load_dataset('mpg')

箱线图(sns.boxplot)

一个箱线图表示了一组数据的中心位置和散布范围。

sns.boxplot(x = df['origin'], y = df['mpg'])

直观上可以看出，美国车费油，日本车省油，欧洲车介于两者之间。

核密度图(sns.kdeplot)

核密度图其实是直方图的拟合。

sns.kdeplot(df['mpg'])

小提琴图

sns.violinplot(x = df['origin'], y = df['mpg'])

如何观察不同量纲的数据？

大部分情况下数据的量纲不同，观察起来很不方便，比如在mpg数据库中，mpg往往在20以下，但是weight却是数千级别的，如果在一个图中展示就难看的很：

sns.violinplot(data=df[['mpg','weight']])

这里就需要用到数据的标准化处理，比如z-score方法：

def z_score(x):
    x_stats = x.describe().transpose()
    return (x - x_stats['mean']) / x_stats['std']

df_normed = z_score(df)
df_normed.pop('origin')
df_normed.pop('name')

df_melted = df_normed.melt(var_name='Column', value_name='Normalized')
ax = sns.violinplot(x='Column', y='Normalized', data=df_melted)
ax.set_xticklabels(df_normed.keys(), rotation=45)

seaborn的示例数据有哪些？

seaborn的示例数据在https://github.com/mwaskom/seaborn-data，从这里可以知道，seaborn的示例数据库列表如下，在练习时完全可以选取自己熟悉的数据库：

anagrams
brain_networks
dots
fmri
iris
planets
titanic
anscombe
car_crashes
exercise
gammas
mpg
taxis
attention
diamonds
flights
geyser
penguins
tips

需要注意的是，seaborn的示例数据集都比较小，不是用来训练神经网络的。

seaborn的示例数据下载不了怎么办？

seaborn的示例数据在https://github.com/mwaskom/seaborn-data，如果无法访问github就杯具了，然而这是常态。一个策略是想办法clone这个库，然后在load_dataset的时候指明是本地数据即可：

sns.load_dataset('iris', cache=True, data_home='/home/subaochen/git/seaborn-data')

其中：

cache：表示从本地读取数据；
data_home：本地数据所在目录；