用途
Seaborn 是一个用于创建出版级统计图形的 Python 可视化库。该技能面向数据集进行绘图，适用于多变量分析、自动统计估计以及以极少代码构建复杂的多面板图形。
主要能力
Seaborn 提供两类绘制接口：函数式接口（传统）提供按可视化类型组织的专用绘图函数，每类包含轴级函数（绘制到单个 Axes）和图形级函数（管理整个图形并支持分面）；seaborn.objects 接口提供声明式、可组合的 API，类似 ggplot2，通过链式方法指定数据映射、标记、变换和比例。
主要绘图类别包括：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）用于理解数据分布、形状与概率密度；分类图（stripplot、swarmplot、boxplot、violinplot、boxenplot、barplot、pointplot、countplot、catplot）用于比较离散类别间的分布或统计量；回归图（regplot、lmplot、residplot）用于可视化线性回归与残差；矩阵图（heatmap、clustermap）用于可视化矩阵、相关性与网格结构数据。
多面板网格方面提供 FacetGrid、PairGrid、JointGrid，用于创建复杂的多面板图形。
使用方式
基本用法为导入 seaborn、matplotlib.pyplot 和 pandas，加载数据集后调用相应绘图函数。例如使用 sns.scatterplot(data=df, x='total_bill', y='tip', hue='day') 创建散点图。可通过 hue、size、style 进行语义映射，通过 col、row 实现分面。声明式接口示例如下：
from seaborn import objects as so so.Plot(data=df, x='total_bill', y='tip').add(so.Dot(), color='day').add(so.Line(), so.PolyFit())
数据建议使用长表（每列一个变量、每行一个观测）；宽表可用于简单时间序列、相关矩阵和热力图，并可通过 df.melt(var_name='condition', value_name='measurement') 转换。
调色板包括定性调色板（deep、muted、pastel、bright、dark、colorblind）、顺序调色板（rocket、mako、flare、crest、viridis、magma、plasma）和发散调色板（vlag、icefire、coolwarm、Spectral），并可通过 sns.color_palette、sns.light_palette、sns.diverging_palette 创建自定义调色板。
主题与美学通过 sns.set_theme(style=..., palette=..., font=...) 控制；样式包括 darkgrid、whitegrid、dark、white、ticks；上下文包括 paper、notebook、talk、poster，可通过 sns.set_context 或临时上下文管理器设置。
适用场景
适用于探索性数据分析（如 pairplot、displot、相关热力图）、出版级图形制作（设置主题、上下文并保存为高分辨率位图或矢量格式）、复杂多面板图形（结合 matplotlib 的 subplots 与 seaborn 的轴级函数）。
限制
图形级函数无法放入已有图形，且使用 height 和 aspect 控制尺寸；轴级函数可通过 ax= 参数精确放置并返回 Axes 对象。其他具体限制未在提供资料中说明。