python配色_Python数据分析之Seaborn(配色方案)
Seaborn配色方案
配色是图表设计里最重要的方面之一,因为如果配色方案好,它可以清晰展现数据的模式和规律,否则就会把这些规律和模式隐藏起来。Seaborn让选择和使用配色方案变得简单且适用于你工作的数据种类和你想要达到的可视化目标。
import numpy as npimport seaborn as snsimport matplotlib.pyplot as plt%matplotlib inlinesns.set(rc={"figure.figsize": (6, 6)})
调色板
颜色很重要
color_palette()能传入任何Matplotlib所支持的颜色
color_palette()不写参数则默认颜色
set_palette()设置所有图的颜色
分类色板
current_palette = sns.color_palette()sns.palplot(current_palette)
6个默认的颜色循环主题: deep, muted, pastel, bright, dark, colorblind.
圆形画板
当你有六个以上的分类要区分时,最简单的方法就是在一个圆形的颜色空间中画出均匀间隔的颜色(这样的色调会保持亮度和饱和度不变)。这是大多数的当他们需要使用比当前默认颜色循环中设置的颜色更多时的默认方案。最常用的方法是使用hls的颜色空间,这是RGB值的一个简单转换。
sns.palplot(sns.color_palette("hls", 8))
#应用调色板data = np.random.normal(size=(20, 8)) + np.arange(8) / 2 #生成数据sns.boxplot(data=data,palette=sns.color_palette("hls", 8))#按照生成的颜色对应不同的分类
hls_palette()函数来控制颜色的亮度和饱和
l-亮度 lightness
s-饱和 saturation
sns.palplot(sns.hls_palette(8, l=.7, s=.9))
sns.palplot(sns.color_palette("Paired",8))
使用xkcd颜色自定义调色板
xkcd包含了一套众包努力的针对随机RGB色的命名。产生了954个可以随时通过xdcd_rgb字典中调用的命名颜色。可以通过sns.xkcd_rgb进行查看。
plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=3)plt.plot([0, 1], [0, 2], sns.xkcd_rgb["medium green"], lw=3)plt.plot([0, 1], [0, 3], sns.xkcd_rgb["denim blue"], lw=3)
[]
colors = ["windows blue", "amber", "greyish", "faded green", "dusty purple"]sns.palplot(sns.xkcd_palette(colors))
连续色板
色彩随数据变换,比如数据越来越重要则颜色越来越深
sns.palplot(sns.color_palette("Blues"))
如果想要翻转渐变,可以在面板名称中添加一个_r后缀
sns.palplot(sns.color_palette("BuGn_r"))
cubehelix_palette()调色板
色调线性变换
sns.palplot(sns.color_palette("cubehelix", 8))
sns.palplot(sns.cubehelix_palette(8, start=.5, rot=-.75))
sns.palplot(sns.cubehelix_palette(8, start=1.75, rot=-.150))
light_palette() 和dark_palette()调用定制连续调色板
sns.palplot(sns.light_palette("green"))
sns.palplot(sns.dark_palette("purple"))
sns.palplot(sns.light_palette("navy", reverse=True)) #渐变翻转
#应用调色板data = np.random.normal(size=(20, 8)) + np.arange(8) / 2 #生成数据sns.boxplot(data=data,palette=sns.cubehelix_palette(8, start=.5, rot=-.75))#按照生成的颜色对应不同的分类
参考
[Style functions]http://seaborn.pydata.org/tutorial/aesthetics.html#aesthetics-tutorial
[Color palettes]http://seaborn.pydata.org/tutorial/color_palettes.html#palette-tutorial
[Distribution plots]http://seaborn.pydata.org/tutorial/distributions.html#distribution-tutorial
[Categorical plots]http://seaborn.pydata.org/tutorial/categorical.html#categorical-tutorial
[Regression plots]http://seaborn.pydata.org/tutorial/regression.html#regression-tutorial
[Axis grid objects]http://seaborn.pydata.org/tutorial/axis_grids.html#grid-tutorial[10分钟python图表绘制]https://zhuanlan.zhihu.com/p/24464836
python配色_Python数据分析之Seaborn(配色方案)相关推荐
- python中seaborn是什么_Python数据分析之seaborn常用方法
Python数据分析之seaborn常用方法 %matplotlib inline import matplotlib as mpl from matplotlib import pyplot as ...
- python画图配色_python matplotlib包图像配色方案分享
可选的配色方案: Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_ ...
- python seaborn 热图 值对应颜色_Python数据分析之Seaborn(热图绘制)
Seaborn热图绘制 %matplotlib inlineimport matplotlib.pyplot as pltimport numpy as np;np.random.seed(0)imp ...
- python数据分析与人工智能_Python数据分析:seaborn
seaborn是python中的一个非常强大的数据可视化库,它集成了matplotlib,下图为seaborn的官网,如果遇到疑惑的地方可以到官网查看.http://seaborn.pydata.or ...
- python花数_Python数据分析实战,尾鸢花数据集数据分析
本节所使用的尾鸢花数据集是Python中自带的数据集,常用于机器学习分类算法模型,其中sepal_length_cm.sepal_width_cm.petal_length_cm.petal_widt ...
- python黑色星期五_Python数据分析:亚马逊黑色星期五
数据源:https://www.kaggle.com/mehdidag/black-fridaywww.kaggle.com import numpy as np import pandas as ...
- python学生分布_Python数据分析实战之分布分析
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 作者:严小样儿 分布分析法,一般是根据分析目的,将数据进行分组,研究各组别 ...
- python 京东_Python数据分析-京东订单数据分析实战
本次数据来源于京东,类目为大家电-家用电器-冰箱,抽取2020年5月25日10%数据,数据量为 70k+,在 jupyer notebook 内进行分析. 数据文件: 链接:迅雷云盘:提取码:ezQq ...
- python 热力图_python数据分析:数据缺失机制及利用missingno库对缺失可视化
缺失数据是一个非常普遍的问题,也是好多人不太能弄懂的问题,包括自己也是,为了加强理解,今天给大家写一写缺失数据的缺失机制,和在python中用missingno库对缺失数据可视化的操作方法. 数据缺失 ...
- 程度性数据python分析_python数据分析实战之AQI分析
文章目录 1.数据分析的基本流程 2.明确需求和目的 2.1 需求和目的 3.数据收集 4.数据预处理 4.1 数据整合 4.1.1 加载相关库和数据集 4.1.2 数据总体概览 4.2 数据清洗 4 ...
最新文章
- 医学影像AI:全球市场展望
- 3d旋转相册代码源码_原生 JS 实现 3D 立方体
- tornado celery mysql_Python3.7+Tornado5+Celery3+Rabbitmq3实现异步队列任务
- C函数数组元素初始化
- DFS(深度优先遍历)走迷宫算法
- 2012-2013年度大总结
- Android Stuido 快速设置成eclipse的快捷键习惯
- 在本地搭建hyperledger fabric 网络
- 河北2021高考成绩查询具体时间,2021河北高考时间具体安排表
- USB Server解决虚拟化部署UKey远程调用
- Fiji-imageJ 无法打开
- linux拷贝文件夹下所有文件
- 【论文阅读】基于深度神经网络的人体运动姿态估计与识别
- DSP28377S_CAN通信
- MATLAB课设代做在哪儿找,代写Grid World作业、代做CID留学生作业、代写Matlab课程设计、代做Matlab编程实验作业...
- dede服务器建站_织梦建站之本地服务器怎么装,怎么部署
- 马来西亚数字自由贸易区的发展实践
- 建立网站费用大概需要多少钱?如何计算建立网站的成本?
- 架构设计:负载均衡层设计方案(8)——负载均衡层总结上篇
- Linux svn 版本回滚的方法