用途：Seaborn 是面向数据集的 Python 统计可视化库，适合快速探索数据分布、变量关系与分类比较，并以较少代码生成出版级统计图形。
主要能力：提供关系图（scatterplot、lineplot、relplot）、分布图（histplot、kdeplot、ecdfplot、displot、jointplot、pairplot）、分类图（stripplot、swarmplot、boxplot、violinplot、boxenplot、barplot、pointplot、countplot、catplot）、回归图（regplot、lmplot、residplot）与矩阵图（heatmap、clustermap）。支持语义映射（hue、size、style）、自动统计聚合与置信区间、分面（col、row）、多面板网格（FacetGrid、PairGrid、JointGrid）、配色方案与主题样式。另有声明式 objects 接口，但资料称其在 0.13.2 仍属实验性且不完整。
使用方式：安装命令为 uv pip install "seaborn==0.13.2"，需要可选统计依赖时用 uv pip install "seaborn[stats]==0.13.2"。推荐导入 numpy、pandas、matplotlib.pyplot、seaborn 及 seaborn.objects。示例数据可用 sns.load_dataset() 下载；私有、受监管或离线场景应使用 pandas 显式读取本地文件后传入 DataFrame。0.12/0.13 起多数绘图函数要求关键字传参，errorbar 取代旧 ci 参数（回归函数仍用 ci），分类图在 0.13 重写，palette 不配合 hue 已弃用。
适用场景：探索性数据分析、多变量分析、统计估计与多面板图形。
限制：objects 接口尚不稳定；部分高级统计与聚类依赖 scipy、statsmodels、fastcluster 等可选包；资料未提供收费、价格或平台信息。