小提琴图（violinplot）与箱线图（boxplot）扮演类似的角色，它显示了定量数据在一个（或多个）分类变量的多个层次上的分布，这些分布可以进行比较。不像箱线图中所有绘图组件都对应于实际数据点，小提琴绘图以基础分布的核密度估计为特征。
    Seaborn中的小提琴图的由violinplot ()方法实现，violinplot ()的参数及其意义如下：

    1. seaborn.violinplot(x=None, y=None, hue=None, data=None, 
    2.                    order=None, hue_order=None, bw='scott', 
    3.                    cut=2, scale='area', scale_hue=True, 
    4.                    gridsize=100, width=0.8, inner='box', 
    5.                    split=False, dodge=True, orient=None, 
    6.                    linewidth=None, color=None, palette=None, 
    7.                    saturation=0.75, ax=None, **kwargs)

    (1)
    split：将split设置为True则绘制分拆的小提琴图，以比较经过hue拆分后的两个量。
    (2)
    scale_hue：bool，当使用色调变量（hue参数）嵌套小提琴时，此参数确定缩放是在主要分组变量（scale_hue = True）的每个级别内，还是在图上的所有小提琴（scale_hue = False）内计算出来的。
    (3)
    orient：”v”|”h” 用于控制图像是水平还是竖直显示，通常是从输入变量的dtype推断出来的，此参数一般当不传入x、y，只传入data的时候使用。
    (4)
    inner：控制小提琴图内部数据点的表示，有“box”、 “quartile”、 “point”、“stick”四种方式。
    (5)
    scale：该参数用于缩放每把小提琴的宽度，有“area”, “count”, “width”三种方式
    (6)
    cut：float，距离，以带宽大小为单位，以控制小提琴图外壳延伸超过内部极端数据点的密度。设置为“0”以将小提琴范围限制在观察数据的范围内，在ggplot中具有与trim = True相同的效果。
    (7)
    width：float，控制小提琴图的宽度（比例）。
    小提琴图可以用于查看密度分布，数据越稠密越宽，越稀疏越窄，绘制效果如图所示。

    1. import pandas as pd                      # 导入pandas库
    2. import warnings                          # 载入当前版本seaborn库时会有警告出现，先载入warnings，忽略警告
    3. import seaborn as sns                    # 导入seaborn库
    4. import matplotlib.pyplot as plt    # 导入matplotlib库
    6. warnings.filterwarnings("ignore")         # 忽略警告
    7. sns.set(style="white", color_codes=True)  # 确定主题为white
    8. iris = pd.read_csv("iris.csv")            # 读取csv数据并转为Pandas的 DataFrame格式
    10. # violinplot 小提琴图，查看密度分布，结合了前面的两个图，并且进行了简化
    11. # 数据越稠密越宽，越稀疏越窄
    12. sns.violinplot(x="Species", y="PetalLengthCm", data=iris, size=6)
    13. plt.show()

    image.png
    小提琴图
    image.png
    箱线图+散点图