前言
上一节我们单纯使用 matplotlib 制作出以下图表：
- 每年小麦产量柱状图
- 使用不同颜色标记最小与最大值的柱子
但是，如果只是制作标准的图表，我们有许多其他的选择。最常见的就是使用 seaborn ，他是基于 matplotlib 的包装。
这一节我们就来看看，如何使用 seaborn 生成标准图表，然后结合 matplotlib 做出定制效果。
特别是多系列的情况下，会有一些技巧。
本文目标图表是这样子：
- 2个系列。每个系列找出最小最大的柱子，标记成不同的颜色
本文所需要的库如下：
数据是这样子：
上一节做的事情如下：
- 设置 x 轴标签的旋转角度
- 设置某个指定柱状图的柱子颜色
简单把这些事情包装成函数：
使用 seaborn 的代码，实际与上一节直接使用 matplotlib 差不多：
看起来 seaborn 没有特别的地方！
这是因为我们只有一个系列(上图只涉及2个维度：wheat 与 year)
多系列
稍微修改一下数据，
- 行3、4、5：复制一份数据，小麦产量随机生成
- 行7、8：新增一个列"type"，把数据划分成2类："原始" 、"修改"
- 行10：合并成一份数据
- 行12：避免数据太多，图表不利于阅读，我只保留1750年以后的数据
现在数据成这样子：
- 每个年份都有2行记录，字段"type"可以区分他们
使用 seaborn 可以非常方便映射多个维度的数据：
行1：hue 是类别映射，通常如果有一个列数据是文本，就可以映射上去。这里把数据中的"type"字段映射
图表成这样子：
- 显然没有标记出最大值的柱子
- 同时也提示执行有错误
如果我们查看图表的容器就能看出关键：
- 原来，seaborn 柱子分成2组。这是非常合理的
- 但数据范围索引，却是在整个数据共27行中查找
显然，我们需要是2组的范围索引：
- 语义非常清晰直白
但是，怎么准确从图表容器中找到需要的 BarContainer：
- 行7与行12：里面的 0 和 1 都是猜测的
原来，seaborn 在生成这些容器时，给容器的 label 属性写入了对应的数据值(就是我们数据的"type"字段)：
注意，你不能使用 key 索引方式获取，比如写: axcontainers['修改'] ，这会报错
万事俱备，定义如下函数：
现在调用变得非常简单:
图表成这样子：
