# Seaborn > 原文：[https://www.bookbookmark.ds100.org/ch/20/ref_seaborn.html](https://www.bookbookmark.ds100.org/ch/20/ref_seaborn.html) ``` # HIDDEN # Clear previously defined variables %reset -f # Set directory for data loading to work properly import os os.chdir(os.path.expanduser('~/notebooks/20')) ``` | 功能 | 第章 | 說明 | | --- | --- | --- | | [`sns.lmplot(x, y, data, fit_reg=True)`](https://seaborn.pydata.org/generated/seaborn.lmplot.html) | 數據可視化 | 從數據幀`data`創建`x`對`y`的散點圖，默認情況下覆蓋最小二乘回歸線 | | [`sns.distplot(a, kde=True)`](https://seaborn.pydata.org/generated/seaborn.distplot.html) | Data Visualization | 創建`a`的柱狀圖，默認情況下覆蓋一個內核密度估計量 | | [`sns.barplot(x, y, hue=None, data, ci=95)`](https://seaborn.pydata.org/generated/seaborn.barplot.html) | Data Visualization | 從數據幀`data`創建`x`對`y`的條形圖，可以選擇基于`hue`對數據進行因子分解，默認情況下繪制 95%的置信區間（可使用`ci=None`關閉）。 | | [`sns.countplot(x, hue=None, data)`](https://seaborn.pydata.org/generated/seaborn.countplot.html) | Data Visualization | 創建一個從數據框`data`中選擇的變量`x`的值計數的條形圖，可以選擇由分類變量`hue`分解。 | | [`sns.boxplot(x=None, y, data)`](https://seaborn.pydata.org/generated/seaborn.boxplot.html) | Data Visualization | 從數據幀`data`創建`y`的箱線圖，也可以通過分類變量`x`進行因子分解。 | | [`sns.kdeplot(x, y=None)`](https://seaborn.pydata.org/generated/seaborn.kdeplot.html) | Data Visualization | 如果`y=None`，則創建一個單變量密度圖`x`；如果指定了`y`，則創建一個雙變量密度圖。 | | [`sns.jointplot(x, y, data)`](https://seaborn.pydata.org/generated/seaborn.jointplot.html) | Data Visualization | 將數據幀`data`中`x`與`y`的雙變量散射圖與軸上覆蓋的每個變量的單變量密度圖相結合。 | | [`sns.violinplot(x=None, y, data)`](https://seaborn.pydata.org/generated/seaborn.violinplot.html) | Data Visualization | 繪制變量`y`的組合箱線圖和核密度估計量，可選擇由從數據幀`data`中選擇的分類變量`x`分解。 |