Seaborn – 调色板

颜色比可视化中的任何其他方面都起着重要作用.有效使用时，颜色为绘图增加了更多价值.调色板是指平面，画家在其上排列和混合涂料.

构建调色板

Seaborn提供了一个名为 color_palette()的函数，可用于为图表添加颜色并为其添加更多审美价值.

用法

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

参数

下表列出了建筑参数调色板 :

返回

返回是指RGB元组列表.以下是随时可用的Seaborn调色板 :

• 深

• Muted

• Bright

• 粉彩

• 深色

• Colorblind

除此之外，还可以生成新的调色板

在不知道的情况下很难确定哪个调色板应该用于给定的数据集数据特征.意识到这一点，我们将分类使用 color_palette()类型和减号的不同方式;

• 定性

• 顺序

• 分歧

我们有另一个功能 seaborn.palplot()处理调色板.此函数将调色板绘制为水平阵列.我们将在下面的示例中了解有关 seaborn.palplot()的更多信息.

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

我们还没有通过 color_palette(); 中的任何参数默认情况下，我们看到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.这里， palplot()用于水平绘制颜色数组.

顺序调色板

顺序图适用于表示从相对较低值到范围内较高值的数据分布.

在传递给颜色参数的颜色上附加一个附加字符''将绘制顺序plot.

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()

注意和减号; 我们需要将's'追加到上面例子中的参数如"Greens".

Diverging Color Palette

Diverging palettes使用两种不同的颜色.每种颜色代表值的变化，范围从任一方向的公共点开始.

假设绘制范围从-1到1的数据.从-1到0的值采用一种颜色和0 + 1采用另一种颜色.

默认情况下，值以零为中心.您可以通过传递值来控制参数中心.

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

设置默认调色板

函数 color_palette()有一个名为 set_palette()的伴侣关系它们之间的类似于美学章节所涵盖的对. set_palette()和 color_palette()，的参数相同，但默认的Matplotlib参数已更改，因此调色板用于所有绘图.

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

绘制单变量分布

数据分布是我们需要了解的最重要的事情分析数据.在这里，我们将看到seaborn如何帮助我们理解数据的单变量分布.

函数 distplot()提供了一种快速查看的最便捷方式在单变量分布.此函数将绘制符合数据核密度估计值的直方图.

用法

 
 seaborn .distplot()

参数

下表列出了参数及其描述和减号;

这些是需要研究的基本和重要参数.