Seaborn - 调色板

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。

调色板

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-

返回是指RGB元组的列表。以下是现成的Seaborn调色板-

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

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-

• qualitative
• sequential
• diverging

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。

定性调色板

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。

顺序调色板

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。

分散调色板

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。

无涯教程网

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()

设置默认调色板

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()

绘制单变量分布

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-

这些是需要研究的基本和重要参数。