一到周六，我就完全不像动了，果然自己还是太懒了！因此早晨基本上睡了一上午，起来又玩了会游戏FGO
到中午的时候又不想出门吃饭，然后就点了一个外卖————比萨饼。吃完后又睡了一个午觉。起来时感觉不能再这样
下去了，去办公室学习吧，实在是太颓废了！然下午就总结一下最近学习的Seaborn画图相关的知识吧~
到了办公室之后，发现曹老师还在加班！曹老师经常周末加班，真是太辛苦了！晚上一直看数据挖掘的书，
感觉非常有意思，最近有时间要仔细看看数据挖掘，数据处理真的是非常有意思的一个工作和研究的内容呀！
今天，总结Seaborn画图，其实直接网上搜索Seaborn画图的博客有很多，但是很多都是直接把说明文档罗列一下， 我这里举个例子说明下我使用Seaborn要解决的一个具体问题。 （先列下提纲，以后补充~）
问题描述
有100样本，每个样本8个属性的数据，如下图：
我需要画出这些数据。
Seaborn函数的标签与API规律
查看Seaborn官网的API，可以看到整个Seaborn画图的实际绘画模块只有 以下七个标签：
- Axis grids
- Categorical plots
- Distribution plots
- Regression plots
- Matrix plots
- Timeseries plots
- Miscellaneous plots
而且每个标签里面的子函数传入参数非常类似，只要掌握一个，其他的直接改下函数名字即可画出来，因此实际 学习Seaborn画图只要看七个函数说明即可！
我画图时主要用到了其中的Categorical plots模块下的函数。下面主要以seaborn.stripplot函数为例子说明如下：
seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=False, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)
这个函数的最关键的参数就是前4个参数，后面的参数都是微调的问题。
x参数代表绘图的横坐标的数据标签项y参数代表绘图的纵坐标的数据标签项hue参数代表同一个x下多标签的数据标签项data参数代表输入数据，一般格式都是DataFrame的形式。
我们可以看一个Seaborn自带的例子，将数据读取，然后保存成excel文件并打开观察
（这里顺便吐槽一下，DataFrame数据结构实在是太好用、太方便了，可以读取/保存成各种数据格式，
并且操作数据非常方便，下周周末要总结一下！），
代码如下：
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
tips = sns.load_dataset("tips") #读取seaborn自带的一个测试数据
tips.to_excel('tips.xlsx') #保存成excel文件，进行观察
得到的数据如下图：
可以看到这是一个典型的打了标签的数据集，这个数据仅仅输入一句代码：
sns.stripplot(x="sex", y="total_bill", hue="day",data=tips)
即可得到如下图所示的数据散点图：
我们仔细观察图片，发现该图实际上横坐标是sex标签，纵坐标是total_bill标签，而图示是根据
day标签进行分类绘制的。
但是我们在实际操作数据时，一般原始数据都没有打标签，就像是我一开始给出的数据集那样，每个属性
都是一个数值，但是我们想要看每个属性的分布图，即：x轴上是属性标签，这时我们就需要简单处理
一下我们的数据了。
进行数据预处理
对于给出的数据，我们只需要写一个简单的函数即可：
data = [];
for j in range(df.iloc[:,0].size):
LineSeries = df.iloc[j] #得到行的序列
for k in range(LineSeries.size):
data.append((LineSeries[k],LineSeries.index[k]))
#下面一行绝对不要用，DataFrame绝对不要动态加行列！！！！
# Drawdf.loc[Drawdf.iloc[:,0].size] = [LineSeries[k],LineSeries.index[k],strList[i]]
DataToDraw = pd.DataFrame(columns=('value','property'),data =data)
return DataToDraw
这样，我们根据函数返回的数据，即可直接带入Seaborn相关的函数进行绘图。
调用函数并得到结果
我们可以直接调用多个函数，里面的参数都是一样的
df = pd.read_excel("test.xlsx")
dfToDraw = generateDrawDF(df)
plt.figure()
sns.boxplot(x='property',y='value',data = dfToDraw) #绘制不同属性分布的箱图
plt.figure()
sns.violinplot(x='property',y='value',data = dfToDraw) #绘制不同属性小提琴图
比如箱图和小提琴图（小提琴是箱线图和密度分布的一个组合），图如下所示：
最后，本篇的全部代码在下面这个网页可以下载：
https://github.com/Dongzhixiao/Python_Exercise/tree/master/seabornTest
