Seaborn - 身材美学

可视化数据是第一步，进一步使可视化数据更令人愉悦是另一步。可视化在向观众传达定量见解以吸引他们的注意力方面发挥着至关重要的作用。

美学是指与美的本质和欣赏有关的一套原则，尤其是在艺术中。可视化是一门以有效且最简单的方式表示数据的艺术。

Matplotlib 库高度支持自定义，但使用它时应该了解要调整哪些设置来实现有吸引力且预期的绘图。与 Matplotlib 不同，Seaborn 包含定制主题和高级界面，用于定制和控制 Matplotlib 图形的外观。

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)
sinplot()
plt.show()

这是默认 Matplotlib 下绘图的样子 -

绘图库

要将同一绘图更改为 Seaborn 默认值，请使用set()函数 -

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()
sinplot()
plt.show()

输出

输出

上面两图显示了默认 Matplotlib 和 Seaborn 绘图的差异。数据的表示形式相同，但表示风格有所不同。

基本上，Seaborn 将 Matplotlib 参数分为两组 -

  • 绘图样式
  • 地块规模

Seaborn 人物样式

操作样式的接口是set_style()。使用此功能您可以设置Plotly的主题。根据最新更新的版本，以下是可用的五个主题。

  • 暗格
  • 怀特格
  • 黑暗的
  • 白色的
  • 蜱虫

让我们尝试应用上述列表中的主题。绘图的默认主题将是我们在前面的示例中看到的darkgrid 。

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("whitegrid")
sinplot()
plt.show()

输出

暗面

上面两张图的区别在于背景颜色

移除轴刺

在白色和刻度主题中，我们可以使用despine()函数删除顶部和右侧的轴刺。

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")
sinplot()
sb.despine()
plt.show()

输出

刺

在常规图中，我们仅使用左轴和下轴。使用despine()函数，我们可以避免不必要的右轴和上轴脊柱，这是 Matplotlib 不支持的。

覆盖元素

如果您想自定义 Seaborn 样式，可以将参数字典传递给set_style()函数。使用axes_style()函数查看可用参数。

例子

import seaborn as sb
print sb.axes_style

输出

{'axes.axisbelow'     : False,
'axes.edgecolor'      : 'white',
'axes.facecolor'      : '#EAEAF2',
'axes.grid'           : True,
'axes.labelcolor'     : '.15',
'axes.linewidth'      : 0.0,
'figure.facecolor'    : 'white',
'font.family'         : [u'sans-serif'],
'font.sans-serif'     : [u'Arial', u'Liberation  
                        Sans', u'Bitstream Vera Sans', u'sans-serif'],
'grid.color'          : 'white',
'grid.linestyle'      : u'-',
'image.cmap'          : u'Greys',
'legend.frameon'      : False,
'legend.numpoints'    : 1,
'legend.scatterpoints': 1,
'lines.solid_capstyle': u'round',
'text.color'          : '.15',
'xtick.color'         : '.15',
'xtick.direction'     : u'out',
'xtick.major.size'    : 0.0,
'xtick.minor.size'    : 0.0,
'ytick.color'         : '.15',
'ytick.direction'     : u'out',
'ytick.major.size'    : 0.0,
'ytick.minor.size'    : 0.0}

更改任何参数的值都会改变绘图样式。

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("darkgrid", {'axes.axisbelow': False})
sinplot()
sb.despine()
plt.show()

输出

元素

缩放绘图元素

我们还可以控制绘图元素，并可以使用set_context()函数控制绘图的比例。我们预设了四个上下文模板，根据相对大小，上下文命名如下

  • 纸
  • 笔记本
  • 讲话
  • 海报

默认情况下，上下文设置为笔记本；并在上面的图中使用。

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("darkgrid", {'axes.axisbelow': False})
sinplot()
sb.despine()
plt.show()

输出

缩放

与上面的图相比，实际图的输出尺寸更大。

注意- 由于我们网页上图像的缩放，您可能会错过示例图中的实际差异。