Seaborn 是面向数据集（dataset-oriented）的 Python 统计可视化库，与 pandas 的 DataFrame 和具名变量直接配合，用较少代码生成出版级统计图形。其设计强调语义映射（自动把数据值映射为颜色、大小、样式）、统计感知（内置聚合、误差估计与置信区间）、美观默认主题，并完全兼容 matplotlib 以便进一步定制。
主要能力按图形类别划分：关系图（scatterplot、lineplot、relplot）用于探索变量间关系；分布图（histplot、kdeplot、ecdfplot、rugplot、displot、jointplot、pairplot）用于观察分布形态与密度；分类图（stripplot、swarmplot、boxplot、violinplot、boxenplot、barplot、pointplot、countplot、catplot）用于跨类别比较；回归图（regplot、lmplot、residplot）用于线性关系与残差诊断；矩阵图（heatmap、clustermap）用于相关性与网格数据。
使用方式上，提供两套接口：传统函数接口按图形类型组织，分为轴级函数（绘制到单个 matplotlib Axes，接受 ax= 参数）与图形级函数（管理整个图形，支持 col、row 分面，返回 FacetGrid、JointGrid 或 PairGrid）；现代 seaborn.objects 接口提供声明式、可组合的 API，通过链式方法指定数据映射、标记、变换与标度。数据推荐使用长表（每列一个变量、每行一个观测），宽表适用于简单时间序列、相关矩阵与热图，可用 df.melt() 转换。
配色与主题方面，提供定性、顺序、发散调色板及自定义调色板，set_theme()、set_style()、set_context() 控制整体外观与元素缩放，despine() 去除边框。
适用场景包括探索性数据分析、相关性分析、出版级图形与复杂多面板图。限制：图形级函数无法放入已有 matplotlib 图形；部分函数默认自动计算统计量（如均值与置信区间），需按需调整；具体安装方式与版本要求资料未提供。