1.2 第一张图的语法解剖

1.2 第一张图的语法解剖

axes 级函数画在单个坐标轴上，返回 Matplotlib 的 Axes 对象；figure 级函数自建整个画布与面板网格，返回 FacetGrid 对象。分清这两级，是看懂 Seaborn 报错和做图层叠加的前提。

承接 1.1 的四层拆解法，本节把它用在一张从安装到出图的完整图上，顺便回答一个早晚会撞上的问题：为什么 sns.histplot 能和 plt.title 配合，sns.displot 却经常报 AttributeError。

从安装到第一张图

# 命令行安装（三选一，任选其一即可）
pip install seaborn
conda install seaborn
# 验证版本，本教程基于 0.13.x
python -c "import seaborn as sns; print(sns.__version__)"
# 输出示例：0.13.2
​

Seaborn 会连带装好 NumPy、Pandas、Matplotlib 依赖，无需单独安装。

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')   # 加载小费数据集：244 行 7 列
print(tips.head(3))
# 输出说明：total_bill、tip 为数值列，sex、smoker、day、time 为类别列，size 为整数列
#    total_bill   tip     sex smoker  day    time  size
# 0       16.99  1.01  Female     No  Sun  Dinner     2
# 1       10.34  1.66    Male     No  Sun  Dinner     3
# 2       21.01  3.50    Male     No  Sun  Dinner     3

# 第一张图：axes 级直方图
ax = sns.histplot(data=tips, x='total_bill', bins=20)
ax.set_title('总消费分布')
plt.show()
​

按拆解台读这段代码：数据层是 tips 长表；映射层只有一条 x='total_bill'（单变量图，y 轴自动统计计数）；图层只有一个直方图层；细节层是 bins=20 和标题。第一次出图，四层里三层都可以先不管。

axes 级与 figure 级的分野

Seaborn 的绘图函数分两级，行为差异贯穿全书：

# axes 级：返回 Axes，可与其他图层自由叠加
ax = sns.histplot(data=tips, x='total_bill')
print(type(ax))
# 输出：<class 'matplotlib.axes._axes.Axes'>

# figure 级：返回 FacetGrid，自带画布，换 kind 切换图层类型
g = sns.displot(data=tips, x='total_bill', kind='kde', height=4, aspect=1.5)
print(type(g))
# 输出：<class 'seaborn.axisgrid.FacetGrid'>
​

两者的语法地位不同：

一个完整案例：从需求到成图

背景：你想知道小费比例（tip / total_bill）在不同餐段是否有差异，这张图要放进周报。

操作：先派生比例列（数据层加工），再选箱线图（类别 x 数值的标准映射），最后打磨细节。

# 步骤一：数据层加工——派生小费比例列
tips['tip_rate'] = tips['tip'] / tips['total_bill']

# 步骤二：映射与图层——day 为类别轴，tip_rate 为数值轴，time 用颜色区分
ax = sns.boxplot(data=tips, x='day', y='tip_rate', hue='time')

# 步骤三：细节层——参考线、标签、去上右边框
ax.axhline(0.15, color='gray', linestyle='--', linewidth=1)   # 15% 小费参考线
ax.set_xlabel('星期')
ax.set_ylabel('小费占消费比例')
ax.set_title('不同餐段的小费比例分布')
sns.despine(ax=ax)
​

结果解读：成图后能看到周日午餐样本很少（图例里 Thursday 至 Sunday 顺序由数据出现顺序决定），小费比例中位数普遍落在 0.13 到 0.17 之间，少数极端值超过 0.4——这些点不是错误，是真实存在的慷慨客人，报告里值得单独点名。

变式：如果周报版面只放得下一张小图，把 hue='time' 换成 hue='smoker' 可以回答另一个问题；想看分布形状而不只是分位数，把函数换成 sns.violinplot，映射参数一字不改。

⚠️ 常见坑：sns.displot(...) 之后调用 plt.title() 标题位置经常错乱甚至看不到——因为 figure 级函数的标题要用 g.fig.suptitle() 或 g.set_titles() 管理，直接走 plt 接口操作的是"当前坐标轴"，未必是你想标注的那个。

本节要点回顾

• 两级函数看返回值：Axes 归 plt 管，FacetGrid 自带画布，报错时先想返回类型；
• 映射参数跨级通用：从 axes 级迁到 figure 级，x、y、hue 原样照搬；
• 数据层加工先行：派生列（如小费比例）在绘图前完成，图内不做计算；
• 细节层用 axes 方法：参考线、标签、去边框都挂在 Axes 对象上。

下一节补齐最后一块地基：数据从哪来、为什么长表是 Seaborn 的母语。