Seaborn 调色板

颜色在可视化中比其他任何方面都更重要。当使用得当时，颜色可以为图表增添更多价值。调色板指的是绘画家在上面排列和混合颜料的平板表面。

构建调色板

Seaborn提供了一个名为 color_palette() 的函数，该函数可用于为图表提供颜色并增添更多美感。

用法

seaborn.color_palette(palette = None, n_colors = None, desat = None)

参数

以下表格列出了构建颜色调色板所使用的参数：

返回

返回指的是RGB元组列表。以下是可用的Seaborn调色板列表 –

• Deep
  • Muted
  • Bright
  • Pastel
  • Dark
  • Colorblind

除此之外，还可以生成新的调色板

在不知道数据特征的情况下，很难决定应该使用哪个调色板。了解这一点，我们将对使用 color_palette() 类型的不同方法进行分类 –

• qualitative
  • sequential
  • diverging

我们还有另一个函数 seaborn.palplot() 它处理调色板。该函数将颜色调色板绘制为水平数组。我们将在接下来的示例中了解更多有关 seaborn.palplot() 。

定性调色板

定性或分类调色板最适合绘制分类数据。

示例

from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(current_palette)
plt.show()

输出

我们没有在 color_palette(); 默认情况下，我们看到6种颜色. 传递一个值给 n_colors 参数，您将看到所需数量的颜色. 这里，使用 palplot() 将颜色数组绘制为水平方向的图.

顺序配色方案

顺序绘图适用于表示在范围内从相对较低值到较高值的数据分布.

将颜色参数传递的颜色后追加一个额外字符’s’将绘制顺序绘图.

示例

from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(sb.color_palette("Greens"))
plt.show()

注意 − 我们需要在上面的示例中的参数后面添加“s”，例如“Greens”。

发散调色板

发散调色板使用两种不同的颜色。每种颜色表示值的变化范围，从一个共同点向两个方向延伸。

假设绘制的数据范围为-1到1。从-1到0的值采用一种颜色，从0到+1的值采用另一种颜色。

默认情况下，这些值以零为中心。您可以通过传递一个值来控制它，使用参数center。

示例

from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(sb.color_palette("BrBG", 7))
plt.show()

输出

设置默认颜色调色板

函数 color_palette() 有一个伴侣函数叫 set_palette() 。它们之间的关系类似于美学章节中介绍的成对函数。对于 set_palette() 和 color_palette() ，参数都是相同的，但是默认的Matplotlib参数被改变，使得调色板可以在所有的图形中使用。

示例

import numpy as np
from matplotlib import pyplot as plt
def sinplot(flip = 1):
   x = np.linspace(0, 14, 100)
   for i in range(1, 5):
      plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)

import seaborn as sb
sb.set_style("white")
sb.set_palette("husl")
sinplot()
plt.show()

输出

绘制一元分布

在分析数据时，我们需要首先了解数据的分布。在这里，我们将看到seaborn如何帮助我们理解数据的一元分布。

函数 distplot() 为我们提供了一种最方便的方式来快速查看一元分布。该函数将绘制符合数据核密度估计的直方图。

用法

seaborn.distplot()

参数

以下表格列出了参数及其说明-

这些是需要考虑的基本和重要的参数。