Seaborn - 调色板

• 

  简述

  颜色在可视化中起着比任何其他方面都重要的作用。如果使用得当，颜色会为情节增加更多价值。调色板是指画家在其上排列和混合颜料的平面。
• 

  建筑调色板

  Seaborn 提供了一个名为color_palette()，可用于为情节赋予颜色并为其增加更多审美价值。

  用法

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

  范围

  下表列出了构建调色板的参数 -

  序号	调色板和描述
  1	n_colors 调色板中的颜色数量。如果没有，默认值将取决于如何指定调色板。默认值为n_colors是 6 种颜色。
  2	desat 使每种颜色去饱和的比例。

  返回

  Return 指的是 RGB 元组的列表。以下是现成的 Seaborn 调色板 -

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

  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，很难决定应该为给定数据集使用哪个调色板。意识到这一点，我们将对不同的使用方式进行分类color_palette()类型 -

  • qualitative
  • sequential
  • diverging

  我们还有另一个函数seaborn.palplot()它处理调色板。此函数将调色板绘制为水平数组。我们将了解更多关于seaborn.palplot()在接下来的例子中。
• 

  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

  

  我们没有传入任何参数color_palette();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范围。在这里，palplot()用于水平绘制颜色数组。
• 

  顺序调色板

  顺序图适用于表达数据在一个范围内从相对较低值到较高值的分布。

  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()
  

  

  Note −我们需要将 's' 附加到上例中的 'Greens' 等参数。
• 

  发散调色板

  发散的调色板使用两种不同的颜色。每种颜色代表从一个共同点在任一方向的值的变化。

  假设绘制从 -1 到 1 的数据。从 -1 到 0 的值采用一种颜色，而 0 到 +1 采用另一种颜色。

  默认情况下，这些值以零为中心。您可以通过传递一个值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()有个同伴叫set_palette()它们之间的关系类似于美学章节中介绍的对。两者的论点相同set_palette()和color_palette(),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方便的方法。此函数将绘制一个适合数据的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 -

  序号	参数及说明
  1	data 系列、一维数组或列表
  2	bins hist bin 规范
  3	hist 布尔
  4	kde 布尔

  这些是需要研究的基本和重要参数。