向seaborn传递matplotlib绘图参数，精细地控制seaborn输出图形

1. matplotlib与seaborn的关系

matplotlib绘图参数非常多，可以通过参数精细的控制图形输出，这是它的优点。但同时也很复杂，绘一个图常常需要很多行代码，需要使用者熟悉众多图形控制参数，不容易上手，这是它的缺点。seaborn是基于matplotlib的数据可视化软件包，本身并不画图，而是调用matplotlib进行绘图，在做探索式数据分析时，特别是对于dataframe数据结构，seaborn比matplotlib高效得多，简单的图只要1-2行代码就可以完成。为了简单易用，将很多matplotlib的用于图形精细控制、跟数据分析关系不大的参数（如线宽、数据点大小，透明度等），放到一个参数集合中提供调用，因此如果在使用seaborn进行数据分析时，如果需要对图形对进行一些小对修改，往往需要向seaborn传递matplotlib参数。

2. 向seanborn画图函数传递matplotlib绘图参数

以seanborn 的lmplot为例，说明如何向seanborn画图函数传递matplotlib参数。

seaborn.lmplot(x, y, data, hue=None, col=None, row=None, ... scatter_kws=None, line_kws=None, size=None)

其中scatter_kws=None, line_kws=None是可以用字典等格式作向seaborn传递matplotlib参数。

sns.set(style="darkgrid")
grid = sns.lmplot(x='YEARS_EXPERIENCE', y='BASE_SALARY', hue='GENDER', data=employee)

图形输出如下：

数据点太多来，重合比较厉害，想把数据点等大小调小一点，但 sns.lmplot并没有控制数据点大小但参数，需要调用matplotlib.pyplot.scatter的参数。

matplotlib.pyplot.scatter的参数如下：

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, plotnonfinite=False, data=None, **kwargs)

其中，参数s控制数据点的大小，我们可以在seaborn中通过scatter_kws={'s':10}可以将matplotlib参数s=10传递给seaborn。

sns.set(style="darkgrid")
grid = sns.lmplot(x='YEARS_EXPERIENCE', y='BASE_SALARY', hue='GENDER',
scatter_kws={'s':10}, data=employee)

图形输出如下：