之前在Day 15時，筆者我以自由時報的新聞，搭配Python套件seabon來製作資訊圖表。該篇的點閱率還不錯，因此我想要延伸介紹seabon。Seaborn 是一個常常與 matplotlib 扣合在一起的 Python 資料視覺化函式庫。它與matplotlib較為不同的地方是，如果單用matplotlib，可能在用色與美觀設計上，會較為單一；而如果將seabon加上matplotlib的話，使用者可以繪製出美觀的統計圖表。Seabon 擅長各種統計圖形，例如分佈圖、相關圖、柱狀圖、箱形圖…等。除此之外，如果使用者想要將seabon結合Python的數據分析功能如Pandas來執行資料分析的話，則可以繪製出強大的圖表。

圖1: Seabon官網首頁。可以看到官網把seabon定位成統計資料視覺化工具(statistical data visualization)

我想大家很喜歡Python的原因，是因為官網常常有教學；而seabon也同樣有這樣教學手冊可觀看。若點擊官網中的Tutorial，便可逐步看seabon相關的介紹、使用情境、與統計之間的關係…等。而在Gallery區塊，則可以看到各種範例，使用者可以從這些範例中獲得靈感，選擇出適合製作的圖表，範例中多附有程式碼，使用者可以依照情況來調整程式碼。

圖2: seabon網站上的Grouped barplots圖像程式碼範例。截圖自: https://seaborn.pydata.org/examples/grouped_barplot.html

Seaborn 的常見圖形大致分為以下幾種:

A. 分佈圖（distribution plots）：例如 sns.histplot()、sns.kdeplot() 可以用來展示單一變量的分佈情況。
B.聯合分佈圖（joint plots）：如 sns.jointplot() 可以展示兩個變量之間的聯合分佈及相關性。
C.箱型圖（box plots）和小提琴圖（violin plots）：如 sns.boxplot()、sns.violinplot()，用於顯示數據的分佈、偏態及異常值。
D.分類圖形（categorical plots）：如 sns.barplot()、sns.countplot()，適合展示分類數據的頻率分佈。
(上述文字有經過chatGPT修改過)

       依照我的觀察，可能媒體業比較常用的是柱狀圖、折線圖、圓餅圖與圈圈圖。不過有時我也會看到如英國金融時報(Financial Times)會出現類似Facetgrid圖。記者可以用 seaborn 製作交互式或靜態圖表，這些圖表可以嵌入到網頁或報導中，讓讀者更直接理解圖表背後複雜的數據。