Seaborn - 调色板

---

颜色在可视化中比任何其他方面都起着重要的作用。如果有效使用，颜色可以为Plotly增添更多价值。调色板是指画家在其上排列和混合颜料的平坦表面。

建筑调色板

Seaborn 提供了一个名为color_palette()的函数，可用于为绘图提供颜色并为其添加更多美学价值。

用法

seaborn.color_palette（调色板=无，n_colors =无，desat =无）

范围

下表列出了构建调色板的参数 -

返回

返回指的是 RGB 元组列表。以下是现成的 Seaborn 调色板 -

• 深的
• 静音
• 明亮的
• 粉彩
• 黑暗的
• 色盲

除此之外，还可以生成新的调色板

在不了解数据特征的情况下，很难决定对给定数据集使用哪个调色板。意识到这一点，我们将对使用color_palette()类型的不同方式进行分类 -

• 定性的
• 顺序的
• 发散的

我们还有另一个处理调色板的函数seaborn.palplot() 。该函数将调色板绘制为水平数组。在接下来的示例中，我们将了解有关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。

例子

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() 中传递任何参数；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量。这里，palplot()用于水平绘制颜色数组。

连续调色板

时序图适合表达一定范围内从相对较低值到较高值的数据分布。

将附加字符“s”附加到传递给颜色参数的颜色将绘制顺序图。

例子

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 -我们需要将“s”附加到参数上，如上例中的“Greens”。

发散的调色板

发散的调色板使用两种不同的颜色。每种颜色代表从公共点到任一方向的值的变化。

假设绘制从 -1 到 1 范围内的数据。从 -1 到 0 的值采用一种颜色，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。您可以通过传递值来使用参数中心来控制它。

例子

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()有一个同伴函数set_palette()。它们之间的关系类似于美学章节中介绍的对。set_palette()和color_palette() 的参数相同，但默认的 Matplotlib 参数已更改，以便调色板用于所有绘图。

例子

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

数据的分布是我们在分析数据时需要了解的最重要的事情。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()提供了快速查看单变量分布的最便捷方法。该函数将绘制适合数据核密度估计的直方图。

用法

seaborn.distplot()

参数

下表列出了参数及其描述 -

这些是需要研究的基本且重要的参数。