在可视化中,颜色比任何其他方面都起着重要的作用,有效地使用颜色,可以为绘图增加更多价值。
Seaborn提供了一个名为 color_palette()的函数,该函数可用于为绘图赋予颜色并为其添加更多的美学价值。
seaborn.color_palette(palette=None, n_colors=None, desat=None)
下表列出了用于构建调色板的参数-
Sr.No. | Palatte & Remark |
---|---|
1 | n_colors 调色板中的颜色数。如果为None,则默认值取决于如何指定调色板。默认情况下,n_colors的值为6种颜色。 |
2 | desat 使每种颜色去饱和的比例。 |
返回是指RGB元组的列表。以下是现成的Seaborn调色板-
除了这些,还可以生成新的调色板
在不了解数据特征的情况下,很难决定应将哪个调色板用于给定的数据集。意识到这一点,将对使用 color_palette()类型的不同方式进行分类-
还有另一个功能 seaborn.palplot(),用于处理调色板,此功能将调色板绘制为水平阵列。
定性或分类调色板最适合于绘制分类数据。
from matplotlib import pyplot as plt import seaborn as sb current_palette=sb.color_palette() sb.palplot(current_palette) plt.show()
没有在color_palette()中传递任何参数;默认情况下,无涯教程看到6种颜色。您可以通过将值传递给n_colors参数来查看所需的颜色数量。在这里,palplot()用于水平绘制颜色阵列。
顺序图适合于表示范围内从相对较低值到较高值的数据分布。
在传递给color参数的颜色上附加一个字符" s",将绘制顺序图。
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-在上述示例中,无涯教程需要将" s"附加到" Greens"之类的参数上。
不同的调色板使用两种不同的颜色,每种颜色代表值从任一方向上的公共点变化。
假定绘制范围为-1到1的数据,值-1到0代表一种颜色,0到+1代表另一种颜色。
默认情况下,值从零开始居中,您可以通过传递值来使用参数中心来控制它。
from matplotlib import pyplot as plt import seaborn as sb current_palette=sb.color_palette() sb.palplot(sb.color_palette("BrBG", 7)) plt.show()
函数 color_palette()具有一个名为 set_palette(), set_palette()和 color_palette()的参数相同,但默认的Matplotlib参数已更改,因此调色板可用于所有绘图。
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()
数据分发是无涯教程在分析数据时需要了解的最重要的事情,在这里,将看到seaborn如何帮助理解数据的单变量分布。
函数 distplot()提供了最方便的方法来快速查看单变量分布,此函数将绘制适合数据核密度估计的直方图。
seaborn.distplot()
下表列出了参数及其说明-
Sr.No. | remark |
---|---|
1 | data : 一维数组或列表 链接:https://www.learnfk.comhttps://www.learnfk.com/seaborn/seaborn-color-palette.html 来源:LearnFk无涯教程网 |
2 | bins: hist bins的规格 |
3 | hist:bool |
4 | kde:bool |
这些是需要研究的基本和重要参数。
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)