一、样式控制

1.set（[context，style，palette，font，...]）

一步设定美学参数。

2.axes_style（[style，rc]）

返回参数字典，用于绘图的美学风格。

3.set_style（[style，rc]）

设定地块的审美风格。

4.plotting_context（[context，font_scale，rc]）

返回参数dict以缩放图形的元素。

5.set_context（[context，font_scale，rc]）

设置绘图上下文参数。

6.set_color_codes（[调色板]）

更改matplotlib颜色缩写词的解释方式。

7.reset_defaults（）

将所有RC参数恢复为默认设置。

8.reset_orig（）

将所有RC参数恢复为原始设置（尊重自定义rc）。

二、调色板

调色板分为三类：

  • Sequential：按顺序渐变的。 - Light colours for low data, dark for high data
  • Diverging：彼此之间差异变化较大的。 - Light colours for mid-range data, low and high contrasting dark colours
  • Qualitative：这个用于最大程度地显示不同类之间的差别。 - Colours designed to give maximum visual difference between classes

1.color_palette()

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

  • palette：None，string或sequence，可选，默认有6种主题：deep,muted, pastel, bright, dark, colorblind
  • n_colors：颜色个数
  • desat：每种颜色去饱和的比例

返回：

  • palette：RGB元组列表

 举例：

import seaborn as snssns.palplot(sns.color_palette())
sns.palplot(sns.color_palette('deep',8))
sns.palplot(sns.color_palette('muted',8))
sns.palplot(sns.color_palette('pastel',8))
sns.palplot(sns.color_palette('bright',8))
sns.palplot(sns.color_palette('dark',8))
sns.palplot(sns.color_palette('colorblind',8))

其他颜色风格：Accent,Blues,BrBG

import seaborn as sns#风格内容：Accent,Blues,BrBG等等
#风格颜色转换（不是所有颜色都可以反转）：Blues/Blues_r
#分组颜色设置 -'Paried'
sns.palplot(sns.color_palette('Paired',8))
sns.palplot(sns.color_palette('Accent',8))
sns.palplot(sns.color_palette('Blues',8))
sns.palplot(sns.color_palette('Blues_r',8))
sns.palplot(sns.color_palette('BrBG',8))

2. set_palette()：

3.husl_palette()：设置亮度，饱和度

seaborn.husl_palette(n_colors=6, h=0.01, s=0.9, l=0.65)

  • n_colors：颜色个数
  • h：第一个色调
  • s：饱和度
  • l：亮度

可用方法：

husl_palette([n_colors, h, s, l])
hsl_palette([n_colors, h, l, s])　　

举例：

sns.palplot(sns.hls_palette(8 , l = .8, s = .5))

4.cubehelix_palette()：按照线性增长计算，设置颜色

seaborn.cubehelix_palette(n_colors=6, start=0, rot=0.4, gamma=1.0, hue=0.8, light=0.85, dark=0.15, reverse=False, as_cmap=False)

  • n_colors：颜色个数
  • start ：值区间在0-3，开始颜色
  • rot：颜色旋转角度
  • gamma：颜色伽马值，越大颜色越暗
  • dark,light：值区间0-1，颜色越深
  • reverse：布尔值，默认为False，由浅到深
sns.palplot(sns.cubehelix_palette(8, gamma = 2))
sns.palplot(sns.cubehelix_palette(8, start = .5, rot = -.75))
sns.palplot(sns.cubehelix_palette(8, start = 2, rot = 0, dark = 0, light = .95, reverse = True))

5.dark_palette()、light_palette()：深色/浅色调色板

seaborn.dark_palette（color，n_colors = 6，reverse = False，as_cmap = False，input ='rgb' ）

参数：

  • color：高值的颜色
  • n_colors：颜色个数
  • reverse：默认为False
  • as_cmap：如果为True，则返回matplotlib colormap；为False，则返回list
  • input：{'rgb'，'hls'，'husl'，'xkcd'}

返回：palette或cmap：seaborn调色板或matplotlib colormap，类似列表的颜色对象作为RGB元组，或者可以将连续值映射到颜色的颜色图对象，具体取决于as_cmap参数的值 。

dark_palette(color[, n_colors, reverse, ...]) #制作一个从黑暗到混合的顺序调色板
light_palette(color[, n_colors, reverse, ...])

举例：

sns.palplot(sns.light_palette('green')) #按照green做浅色调色盘
sns.palplot(sns.color_palette('Greens')) #cmap为Greens风格sns.palplot(sns.dark_palette('red', reverse = False)) #按照blue做深色调色盘
#reverse ---> 转置颜色sns.palplot(sns.light_palette('red',reverse=False))

6.diverging_palette创建分散颜色

seaborn.diverging_palette(h_neg,h_pos, s=75, l=50, sep=10, n=6, center='light', as_cmap=False)

参数：

  • h_neg,h_pos：[0,359]
    定位在负数与正数色调范围
  • s：[0,100]，可选
    定位饱和度
  • l：[0,100]，可选
    定位亮度
  • n：int，可选
    如果不返回cmap，将返回颜色数字
  • center：{“light”，“dark”}，可选
    调色板中心是亮还是暗
  • as_cmap：布尔，可选
    如果为真，返回matplotlib colormap 对象；否则返回一个颜色列表

返回：

  • palette or cmap：seaborn color palette 或者matplotlib colormap
    颜色的类表对象（RGB元组），或者colormap能够映射连续的值到颜色，决定于 as_cmap 参数

举例：

sns.palplot(sns.diverging_palette(200, 20, l=40, n=4))

 用分散颜色制作热力图

plt.figure(figsize = (8,6))
x = np.arange(25).reshape(5,5)
cmap = sns.diverging_palette(200,20,sep=20,as_cmap=True)
sns.heatmap(x, cmap=cmap)#热力图

效果如下：

7.blend_palette()

8.xkcd_palette()：命名颜色

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

colors = ["windows blue", "amber", "greyish", "faded green", "dusty purple"]
sns.palplot(sns.xkcd_palette(colors))


plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=1)
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)

　　

9.crayon_palette()

10.mpl_palette()

　

二、调色板小部件

1.choose_colorbrewer_palette（data_type [，as_cmap]）

从ColorBrewer集中选择一个调色板

2.choose_cubehelix_palette（[as_cmap]）

启动交互式小部件以创建顺序cubehelix调色板

3.choose_light_palette（[input，as_cmap]）

启动交互式小部件以创建轻型顺序调色板

4.choose_dark_palette（[input，as_cmap]）

启动交互式小部件以创建暗序连接调色板

5.choose_diverging_palette（[as_cmap]）

启动交互式小部件以选择不同的调色板

三、实用功能

1.load_dataset（name [，cache，data_home]）

从在线存储库加载数据集（需要互联网）

2.despine（[fig，ax，top，right，left，bottom，...]）

从图中移除顶部和右侧脊柱。

3.desaturate（颜色，道具）

将颜色的饱和度通道减少百分之几

4.saturate（颜色）

返回具有相同色调的完全饱和的颜色

5.set_hls_values（颜色[，h，l，s]）

独立操作颜色的h，l或s通道

参考文献：

【1】seaborn.diverging_palette

转载于:https://www.cnblogs.com/nxf-rabbit75/p/10974448.html

seaborn---调色板相关推荐

  1. Python学习13 ----Seaborn调色板

    Seaborn调色板 代码详见https://github.com/RenDong3/Python_Note 1 离散型色彩板 1.1 默认调色板 1.2 圆形画板 数据实例 1.3 画板细节设置 1 ...

  2. Seaborn调色板设置

    综述 Seaborn调色板设置:主要包括了调色板color设置,优化颜色使图片更加美观.主要包括了离散型颜色设置和连续型颜色设置.颜色亮度及饱和度.颜色对比.使用xkcd选取颜色和RGB颜色区域编号选 ...

  3. Seaborn调色板中所有颜色组合

    Seaborn调色板中所有颜色组合 Seaborn让你更容易选择和使用那些适合你数据和视觉的颜色. color_palette()允许任意的seaborn调色板或matplotlib的颜色映射(除了j ...

  4. Seaborn调色板中所有颜色组合(表格整理版)

    还在忧愁在使用seaborn过程中怎样将图绘制的好看?!! 别担心,下表是seaborn调色板所有组合颜色,任君挑选!! import seaborn as sns sns.palplot(sns.c ...

  5. seaborn调色板 color, hls, cubehelix, dark, diverging_palette

    import numpy as np import matplotlib.pyplot as plt import seaborn as sns sns.color_palette 6种默认颜色:de ...

  6. 02 ，seaborn 调色板 ： 指定颜色，颜色数量，连续颜色，线性渐变

    1 ,调色板 : 介绍 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 ...

  7. Seaborn调色板颜色设置

    plt.plot([0,1], [0,1], sns.xkcd._rgb["pale red"], lw=3) 结果为: colors = ["windows blue& ...

  8. 7天学会python_7天学会Python最佳可视化工具Seaborn（五）：结构化展示多维数据

    当探索具有中等数量(不多不少的意思--)维度的数据集时,一个很好的方式是基于不同的子数据集构建不同的实例,并将它们以网格的方式组织在一张图之中.这种技术有时被称为"lattice" ...

  9. jupyter notebook第七章seaborn库的一些案例分析加相关函数的解析

    目录 前言 相关案例与解析 写在最后: 前言 Matplotlib绘图基本模仿MATLAB绘图库,其绘图风格和MATLAB类似.由于MATLAB绘图风格偏古典,因此,Python开源社区开发了Seab ...

  10. seaborn散点图_Seaborn散点图–终极指南

    seaborn散点图 Hey, folks! In the series of Data Visualization with Seaborn, will be focusing on Seaborn ...

最新文章

  1. 【Excel】Excel根据单元格背景色求和
  2. torch转caffe
  3. 3.10 深度学习框架-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授
  4. 中国智能控制器行业运营分析与竞争趋势展望报告2022-2027年版
  5. 图像滤镜艺术--编码基础(Photoshop基础变换的代码实现)
  6. Matlab | Matlab从入门到放弃(16)——二维图和三维图
  7. winform利用委托传值到datagridview_C# Winform 跨多级窗体/控件传值
  8. java i/o 流详解_java I/O流详解
  9. 面试容易问的 JavaScript 知识点，你知道几个？
  10. 由三目运算符想出的PHP改进建议
  11. [笑话]1+1等于几？（新版）
  12. 诡异大阳飙升动因何在
  13. web端如何获取笔压 web端获取笔压的js库
  14. 删除IE加载项及取消加载项的提示
  15. 引用 好文共赏：hao123站长李兴平的成功史
  16. Linux环境安装+阿里云+jdk8
  17. 只要400行代码就能自已实现一个绘图机原型固件，esp8266 + micropython 用3d打印机改的绘图机
  18. 【项目整理】安卓应用商店评论监控平台
  19. 前缀树(java实现）
  20. 328个计算机毕业设计题目

热门文章

  1. Android自定义闹钟
  2. volumio怎么连接屏幕_如何把拼接屏和电脑连接起来
  3. 两个年轻人的神州泰岳 独斗IBM与惠普　理财周报记者 吴非/文
  4. ShowMore – 免费易用的在线录屏工具（可实时添加标注）
  5. Swoole的基本使用
  6. 丢失vcruntime140.dll如何修复？vcruntime140.dll文件下载
  7. .gitignore设置
  8. 原生js实现旋转木马效果
  9. 流媒体专家（2）RTSP协议详解II
  10. 会声会影2023最新版本剪辑视频的方法和步骤