用途：Seaborn 是基于 Matplotlib 的 Python 统计可视化库，用于探索和理解数据，自动完成置信区间计算、数据聚合与分面网格等任务，适合探索性数据分析（EDA）与出版级统计图形。
主要能力：支持关系图（relplot）、分布图（displot、kdeplot）、分类图（catplot、boxplot、violinplot）、回归图（regplot、lmplot）、矩阵热图与聚类图（heatmap、clustermap）、多图网格（FacetGrid、jointplot、pairplot），并可设置主题与调色板。函数分图级（relplot、displot、catplot，自建图形，适合分面）与轴级（scatterplot、histplot、boxplot，绘制到指定 ax，便于与 Matplotlib 布局集成）。
使用方式：安装 pip install seaborn；常用导入 import seaborn as sns、import matplotlib.pyplot as plt、import pandas as pd、import numpy as np；用 sns.set_theme() 应用默认主题。数据需为整洁长格式，通过 data= 传入 DataFrame，用 hue、size、style 做语义映射。示例：sns.relplot(data=tips, x="total_bill", y="tip", hue="smoker", style="time", size="size")。可用 sns.load_dataset 加载示例数据。
适用场景：统计分析与探索性研究、直接处理 Pandas 整洁数据、自动计算 95% 置信区间、快速切换主题与调色板。
限制：不适合极低层自定义图形（用 Matplotlib）、交互式网页可视化（用 Plotly）、3D 绘图（用 Matplotlib mplot3d 或 PyVista）、网络图（用 NetworkX 配合 Matplotlib）。Seaborn 基本忽略 DataFrame 索引，应使用列；语义映射过多会降低可读性；大数据集绘图可能变慢，可先采样。Seaborn 返回 Matplotlib 对象，可用 ax.set_title() 等微调。