课程总览：
Seaborn是Python中使用最广泛的数据可视化库之一，作为Matplotlib的扩展。它提供了一个简单、直观、但高度可定制的数据可视化应用程序接口(API)。
在本教程中，我们将看看如何在 Seaborn 中绘制一个箱形图。
箱形图(Box-plot)，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比 较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。
导入数据
我们需要选择具有连续特征的数据集来创建箱线图，因为箱线图显示连续变量的汇总统计数据——数据集的中位数和范围。我们将使用森林火灾数据集:，数据连接如下：
先导入我们需要使用的模块：
我们使用Pandas来读取CSV文件，并通过打印其前面几行数据来检查数据包含项。另外，我们要检查数据集是否包含任何缺失的值：
第二个print语句返回False，这意味着没有任何丢失的数据。如果有，我们就必须处理丢失的值。
在我们检查数据集的一致性之后，我们想要选择我们想要可视化的连续特征。为了方便起见，我们将它们保存为自己的变量:
用 Seaborn 绘制箱形图
现在我们已经加载了数据并选择了我们想要可视化的变量，我们可以创建箱形图了!
我们可以通过使用 Seaborn 的 boxplot 函数来创建箱形图。我们传入数据集以及我们想要可视化的变量：
运行上面程序，绘制如下图：
如果我们想看分类型的数据分布，如每周不同天数的DMC的分布，可以采用如下方式：
运行上面程序，绘制如下图：
如果我们想同时可视化多个列，我们应该为x和y参数提供什么呢?
我们可以创建一个新的数据集，这个数据集值包含我们想要可视化的变量，并使用 melt() 方法传到 data 的参数中，提供诸如 x='variable' 和 y='value' 这样的标签:
运行上面程序，绘制如下图：
自定义箱形图
更改颜色
Seaborn会自动将不同的颜色分配给不同的变量，这样我们就可以很容易地从视觉上区分它们。不过，如果我们想要指定它们，我们也可以提供要使用的颜色列表。
在选择了一个带有十六进制值的颜色列表后，我们可以将它们传递到 palette 参数:
运行上面程序，绘制如下图：
定制轴标签
我们可以使用Seaborn轻松地调整x轴和y轴标签，如更改字体大小，更改标签，或旋转它们使标记更容易阅读:
运行上面程序，绘制如下图：
排序
如果我们想要以特定的顺序查看这些变量，我们可以使用order参数，并按照你想要的顺序提供列名:
运行上面程序，绘制如下图：
包含子图
如果我们想要将各个特性的图分离到它们自己的子图中，我们可以通过使用Matplotlib中的subplot函数创建图形和轴来实现这一点。然后，我们使用axis对象并通过它们的索引访问它们。boxplot()函数接受一个ax参数，指定它应该绘制在哪个坐标轴上:
运行上面程序，绘制如下图：
带有数据点的箱形图
我们甚至可以将数据点覆盖到箱形图上，以便看到包含该分布的点的分布和样本，以及更多细节。
运行上面程序，绘制如下图：
