Seaborn是一種Python可視化庫，它是在matplotlib基礎之上構建的。與matplotlib相比，Seaborn具有更高的美學和更簡單的語法。當我們使用Seaborn時，可能會遇到需要同時顯示多個圖片的情況，這篇文章將介紹如何在Seaborn中實現這一目標。

方法1：使用subplot

最常用的方法是使用subplot函數。subplot函數允許我們在一個圖中顯示多個子圖。下面是一個例子：

import seaborn as sns
import matplotlib.pyplot as plt

# 創建兩個數據集
data1 = sns.load_dataset('diamonds')
data2 = sns.load_dataset('tips')

# 創建第一個子圖
plt.subplot(2, 1, 1)
sns.scatterplot(x='carat', y='price', data=data1)

# 創建第二個子圖
plt.subplot(2, 1, 2)
sns.violinplot(x='day', y='tip', data=data2)

# 顯示圖像
plt.show()

在這個例子中，我們首先加載了兩個數據集（diamonds和tips），然后使用subplot函數創建了兩個子圖。第一個子圖使用scatterplot繪制了一個散點圖，第二個子圖使用violinplot繪制了一個小提琴圖。最后，我們調用show函數來顯示圖像。subplot函數的前兩個參數指定了網格的行和列數，第三個參數指定了當前子圖的位置。

方法2：使用gridplot

另一種方法是使用gridplot函數。gridplot函數允許我們在一個網格中顯示多個子圖。下面是一個例子：

import seaborn as sns
import matplotlib.pyplot as plt
from bokeh.layouts import gridplot
from bokeh.io import show

# 創建兩個數據集
data1 = sns.load_dataset('diamonds')
data2 = sns.load_dataset('tips')

# 創建第一個子圖
p1 = sns.scatterplot(x='carat', y='price', data=data1)

# 創建第二個子圖
p2 = sns.violinplot(x='day', y='tip', data=data2)

# 創建網格布局
grid = [[p1], [p2]]

# 顯示圖像
show(gridplot(grid))

在這個例子中，我們首先加載了兩個數據集（diamonds和tips），然后使用scatterplot和violinplot分別創建了兩個子圖。接下來，我們使用gridplot函數創建了一個網格布局，將這兩個子圖放在了網格中。最后，我們調用show函數來顯示圖像。

總結起來，Seaborn提供了多種方法來同時顯示多個圖片，其中subplot和gridplot是最常用的兩種方法。無論你選擇哪種方法，都可以輕松地將多個Seaborn圖形組合在一起，并展示出來。