前言上一节（Python可视化，matplotlib最佳入门实践）我们只是用matplotlib制作了如下图表：小麦年产量直方图用不同颜色标示最小值和最大值价值列然而，就制作标准图表而言，我们还有许多其他选择。最常见的是使用seaborn，它是一个基于matplotlib的包装器。本节我们将看看如何使用seaborn生成标准图表，然后结合matplotlib制作自定义效果。特别是在多系列的情况下，会有一些技巧。本文的目标图表是这样的：2系列。找到每个系列的最小和最大列，并用不同的颜色标记它们。这篇文章需要的库如下：数据长这样：上一节你做的如下：设置x轴标签的旋转角度，设置指定直方图的列Color简单的把这些东西包起来intofunctions：使用seaborn的代码其实和上一节直接使用matplotlib差不多：seaborn好像没什么特别的！这是因为我们只有一个series（上图只涉及2个维度：wheat和Year）multi-series稍微修改一下数据，Row3,4,5:复制一份数据，wheatyield随机生成Row7,8：新增一列“类型”，将数据分为2类：“原始”和“修改”第10行：合并为一条数据线12：避免数据太多，图表不利于阅读，我只保留1750以后的数据，现在数据是这样的：每年有2行记录，可以区分字段“type”他们用seaborn很方便的做多维数据映射：第1行：hue是类别映射，通常如果有一列数据是文本，就可以映射到它。这里，数据中的“type”字段映射图是这样的：很明显，没有标注最大值的列，而且还提示执行出错。如果我们查看图表的容器，我们可以看到关键：原来seaborn列分为2组。这是很合理的，但是数据范围索引是在整个数据总共27行中查找的。显然，我们需要2组范围索引：语义非常清晰直接，但是如何从图表容器中准确找到所需的BarContainer：第7行和第12行：其中的0和1都是猜测。原来seaborn在生成这些容器的时候，会把对应的数据值写入到容器的label属性中（也就是我们数据的“type”字段）：注意不能使用key索引的方式获取，这样如写：axcontainers['modify']，会报错。一切准备就绪，定义如下函数：现在调用变得很简单：图表长这样：我会继续写更多非常规的需求图表，敬请期待！
