Seaborn 是面向数据集的 Python 统计可视化库，与 pandas 集成，用较少代码生成出版级统计图形，适合分布、关系与分类比较的快速探索。
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、barplot、pointplot、countplot、catplot）、回归图（regplot、lmplot、residplot）与矩阵图（heatmap、clustermap）。支持 hue、size、style 语义映射，内置聚合、误差估计与置信区间，并提供 FacetGrid、PairGrid、JointGrid 多面板网格。
使用方式：安装后导入 seaborn 与 matplotlib，用 sns.load_dataset 加载示例数据，调用对应函数并传入 DataFrame 与列名，例如 sns.scatterplot(data=df, x='total_bill', y='tip', hue='day')。函数接口分轴级（返回 Axes，可用 ax= 嵌入 matplotlib 布局）与图级（管理整个图形，支持 col、row 分面）。另有 seaborn.objects 声明式接口，可链式组合数据映射、标记与变换。
适用场景：探索性数据分析、相关性热图、成对关系矩阵、分面小多图、回归与残差诊断，以及论文或演示用图。
限制：资料未提供具体版本、安装命令、收费与平台信息；图级函数不能放入已有图形，宽表需转换为长表才能使用全部功能。