Tip: Puedes ver este post en GitHub o ejecutarlo en Binder o Google Colab, pulsa el icono.

Fuentes:
Cursos Machine Learning - Kaggle

import pandas as pd
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline              # para dibujar los gráficos en el Notebook
import seaborn as sns

plt.figure(figsize=(16,6))  # Establece el ancho y alto de la figura
plt.title("Título del gráfico")
plt.ylabel("Etiqueta eje y")
plt.xlabel("Etiqueta eje x")
plt.xlim(0,10)
plt.ylim(10,20)

sns.set_style("dark") #  (1)"darkgrid", (2)"whitegrid", (3)"dark", (4)"white", and (5)"ticks"

fig, axs = plt.subplots(2, 2)
fig.suptitle('Gráfico múltiple')
axs[0, 0].plot(x, y)
axs[0, 0].set_title('Axis [0, 0]')
axs[0, 1].plot(x, y, 'tab:orange')
axs[0, 1].set_title('Axis [0, 1]')
axs[1, 0].plot(x, -y, 'tab:green')
axs[1, 0].set_title('Axis [1, 0]')
axs[1, 1].plot(x, -y, 'tab:red')
axs[1, 1].set_title('Axis [1, 1]')

Tendencias a lo largo del tiempo 

sns.lineplot(data=datos)   # gráfico de lineas

Relación

Comparación cantidades de grupos diferentes 

sns.barplot(x=datos.index, y=datos['ColumnaA']) # gráfico de barras

Encontrar patrones de color en tablas de números 

sns.heatmap(data=datos, annot=True)  # annot -> escribe los valores en cada celda

Relación entre dos variables continuas (y una tercera) 

sns.scatterplot(x=datos['columnaA'], y=datos['columnaB'], hue=datos['columnaC'])

Dibujar múltiples líneas de regresión 

sns.lmplot(x="columnaA", y="columnaB", hue="columnaC", data=datos)

Relación entre una variable contínua y otra categórica 

sns.swarmplot(x=datos['columnaA'], y=datos['columnaB'])

Distribución 

sns.distplot(a=datos['ColumnaA'], kde=False)
sns.kdeplot(data=datos['ColumnaA'], shade=True)
sns.jointplot(x=datos['ColumnaA'], y=datos['ColumnaB'], kind="kde")