Seaborn调色板

颜色在可视化中起着比任何其他方面更重要的作用。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。

建筑调色板

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美学价值。

用法

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

参数

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 -

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

除此之外，还可以生成新的调色板

在不知道数据特征的情况下，很难确定哪个调色板应该用于给定的数据集。意识到这一点，我们将分类使用 color_palette（） 类型的不同方法-

• qualitative
• sequential
• diverging

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。在接下来的例子中，我们将更多地了解 seaborn.palplot（） 。

定性调色板

定性或分类调色板最适合绘制分类数据。

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。通过将值传递给 n_colors 参数，可以看到所需的颜色数。这里， palplot（） 用于水平绘制颜色数组。

连续调色板

顺序图适合于表示从相对较低值到范围内的较高值的数据分布。

在传递给颜色参数的颜色上附加一个附加字符''将绘制顺序图。

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 - 我们需要在上面的例子中将's'附加到像'Greens'这样的参数。

发散的调色板

不同的调色板使用两种不同的颜色。每种颜色代表值的变化，范围从任一方向的公共点。

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，0到+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。

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。它们之间的关系类似于美学章节中涵盖的对。 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。

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

在分析数据时，数据分布是我们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（） 提供了一种快速查看单变量分布的最便捷方法。此函数将绘制符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说明

这些是需要研究的基本和重要参数。