说点什么呢
seaborn是python的一个可视化模块，构建于matplotlib之上，对于pandas的DataFrame这种数据结构有着很好的支持，能够大大减少构建绘图数据是所需的工作量（我也不知道自己为什么要装逼不去用R的ggplot2）。
countplot
到底要不要点
有时候我们需要对DataFrame中的某一列或两列进行统计（多了我也不会），省去去构建barplot所需的数据这一过程，seaborn的countplot能够很好的胜任这一……（这一什么？使命~ 真的是词穷啊~）
（markdown竟然有下标 可以）
Show the counts of observations in each categorical bin using bars.
使用bars来表示每个分类数据的数目
如果你没有打开上面的链接，那么~我把它搬过来了。
像所有的matplotlib函数那样，这个函数也有着挺多的参数，但是平时用到的应该也就这几个
x, y, hue : names of variables in data or vector data, optional
data : DataFrame, array, or list of arrays, optional
order, hue_order : lists of strings, optional
ax
data平时我用的也就是DataFrame的名字
ax用来指定坐标系（不明白的话去补一下matplotlib的知识）。
x比较容易理解，就是因子所在的列名（平时使用的都是DataFrame），如果只给了x这一个指定数据的参数，那么就会汇出这个每个因子所包含的记录的数目（ipython notebook）
import seaborn as sns
%matplotlib inline
titanic_df=sns.load_dataset("titanic")
titanic_df.head(5) #看一下数据什么样子
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True
# 用y的话就变成水平的了
sns.countplot(x = 'survived',data=titanic_df)
这里是仅仅绘出了titanic_df的survived这一列数据中两类的数目
有500+的遇难者（‘0’），300+的幸存者（‘1’）。
（ps：这里使用的是seaborn自带的泰坦尼克的数据，对就是那艘首秀即谢幕的巨轮）
如果我们同时要查看在这些遇难者以及幸存者中，男人以及女人的数目，就需要加入另外一个参数hue（我始终不明白为什么要用这个词~）
# 依旧是上面的数据
sns.countplot(x = 'survived',hue = 'sex',data=titanic_df)
遇难者以及幸存者男女比例一目了然，这很gentleman。
嗯~就到这里
如果想要进行更多的定制话操作，可以参照axis对象的方法（matplotlib中），由于这个函数是有返回值的，返回的是一个matplotlib Axes对象，因此，可以通过面向对象的方法进行后续axis所支持的各种操作。
# 中文无法正常显示，好像字体问题，没有深究。
g = sns.countplot(x = 'survived',hue = 'sex',data=titanic_df)
g.set_title('title')
