在Google Analytics世界中，获取洞察力的最佳方式是通过可视化数据.可以通过将数据表示为易于理解，探索和掌握的图来可视化数据.这些数据有助于引起关键元素的注意.
为了使用Python分析一组数据，我们使用了Matplotlib，这是一个广泛实现的2D绘图库.同样，Seaborn是Python中的可视化库.它建立在Matplotlib之上.
总结一下，如果Matplotlib"试图让事情变得轻松而艰难"，Seaborn试图制定一套定义明确的难题."
Seaborn有助于解决Matplotlib面临的两个主要问题;问题是 : 去;
默认Matplotlib参数
使用数据框
随着Seaborn对Matplotlib的称赞和扩展，学习曲线非常渐进.如果您了解Matplotlib，那么您已经熟悉了Seaborn.
Seaborn构建于Python的核心可视化库Matplotlib之上.它旨在作为补充，而不是替代品.然而，Seaborn具有一些非常重要的功能.我们在这里看一些.这些功能有助于 : 少;
内置主题样式matplotlib图形
可视化单变量和双变量数据
拟合和可视化线性回归模型
绘制统计时间序列数据
Seaborn效果很好使用NumPy和Pandas数据结构
内置主题用于样式化Matplotlib图形
在大多数情况下，你仍然会使用Matplotlib进行简单的绘图.建议使用Matplotlib的知识来调整Seaborn的默认图.
