python画板颜色_Python数据可视化:Seaborn(二):色板
在进行数据可视化处理的时候,常常会涉及到多个类的数据,有些时候默认的颜色并不是我们想要的,这时候,如果我们想要一些我们喜欢的颜色,就需要调整色板,下面我们就来介绍一下Seaborn的色板调整。
首先依然是基本的引用和设置import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(rc={"figure.figsize": (6, 6)})
调色板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
6个默认的颜色循环主题: deep, muted, pastel, bright, dark, colorblindcurrent_palette = sns.color_palette()
sns.palplot(current_palette)
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)。这也是需要使用比当前默认颜色循环中设置的颜色更多时,一种常用的办法。
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))#使用hls颜色空间,划分为8种颜色
效果展示:data = np.random.normal(size=(20, 8)) + np.arange(8) / 2
sns.boxplot(data=data,palette=sns.color_palette("hls", 8))#指定使用的颜色
调整亮度和饱和度
hls_palette()函数来控制颜色的亮度和饱和l-亮度 lightness
s-饱和 saturationsns.palplot(sns.hls_palette(8, l=.7, s=.9))
有时候我们需要在两两配对的情况下分类,例如:不同的人的身高和体重,这时候可以使用如下方法#“Paired”表示两两颜色配对
sns.palplot(sns.color_palette("Paired",8))
使用xkcd颜色来命名颜色
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。#lw指定线宽,使用string直接对应颜色
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
实现色调线性变换#考虑所有使用者,比如色弱人群
sns.palplot(sns.color_palette("cubehelix", 8))
sns.palplot(sns.cubehelix_palette(8, start=.5, rot=-.75))
sns.palplot(sns.cubehelix_palette(8, start=.75, rot=-.150))
调用定制连续调色板
使用 light_palette() 和 dark_palette() 方法可以调用定制连续调色板sns.palplot(sns.light_palette("green"))
sns.palplot(sns.dark_palette("purple"))
将 reverse 设为True 以实现色板倒转sns.palplot(sns.light_palette("navy", reverse=True))
使用色板绘制等高线x, y = np.random.multivariate_normal([0, 0], [[1, -.5], [-.5, 1]], size=300).T
pal = sns.dark_palette("green", as_cmap=True)
sns.kdeplot(x, y, cmap=pal);
sns.palplot(sns.light_palette((210, 90, 60), input="husl"))
python画板颜色_Python数据可视化:Seaborn(二):色板相关推荐
- 用python画熊_Python数据可视化:Pandas库,只要一行代码就能实现
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,如有问题请及时联系我们以作处理. 以下文章一级AI入门学习 ,作者小伍哥 刚接触Python的新手.小白,可以复制下面的链接去免费观 ...
- python网易云_Python数据可视化:网易云音乐歌单
网易云音乐2018年度听歌报告-遇见你,真好. 相信有不少人在上周,应该已经看过自己网易云音乐的年度报告了. 小F也是去凑凑热闹,瞅了一波自己的年度听歌报告. 那么你在云村又听了多少首歌,听到最多的歌 ...
- python matplotlib 地图_Python数据可视化,看这篇就够了
说到python的常见应用,很多人会想到python的数据分析,作为数据分析中的表现层面,数据可视化都是其中必不可少的部分.但本文并非只推荐无任何数据分析需求仅需要做漂亮可视化图表的人学习python ...
- python hist函数_Python数据可视化:一文读懂直方图和密度图
一图胜千言,使用Python的matplotlib库,可以快速创建高质量的图形. 用matplotlib生成基本图形非常简单,只需要几行代码,但要创建复杂的图表,需要调用更多的命令和反复试验,这要求用 ...
- python界面散点图_Python数据可视化——散点图
PS: 翻了翻草稿箱, 发现居然存了一篇去年2月的文章...虽然naive,还是发出来吧... 本文记录了python中的数据可视化--散点图scatter, 令x作为数据(50个点,每个30维),我 ...
- python柱形图代码_Python数据可视化:基于matplotlib绘制「条形图」
简介 条形图 (bar chart)是用宽度相同条形的高度或长短来表示数据多少的图形,可以横置或纵置.纵置时的条形图也称为 柱形图 (column chart). 绘制条形图 1 import mat ...
- python画误差棒_Python数据可视化-误差棒图errorbar
实验中往往由于各种原因会存在一定的误差,针对这一波动范围我们称之为置信区间.在可视化数据时,Matplotlib中的误差棒图(errorbar,官方项目地址)可以很好的表现这种有一定置信区间的带误差数 ...
- python plt包_Python 数据可视化-Matplotlib包学习笔记(一)
Python 数据可视化 本文主要参照Matplotlib的官方教程进行整理,作为个人的学习笔记进行分享,欢迎相互讨论. Matplotlib包学习笔记(一) 本文主要简单介绍一下Matplotlib ...
- python组合数据分类_Python 数据可视化:分类特征统计图
上一课已经体验到了 Seaborn 相对 Matplotlib 的优势,本课将要介绍的是 Seaborn 对分类数据的统计,也是它的长项. 针对分类数据的统计图,可以使用 sns.catplot 绘制 ...
最新文章
- 03-Java的基础语法
- 使用pytorch构建图片分类器
- compare to造句及翻译_compare to造句
- 光模块的参数有哪些呢?
- Python(7)-程序执行的原理
- 鸿蒙轻内核M核源码分析:数据结构之任务就绪队列
- jquery js 兄弟父元素的获取
- 硬件平台选型(1)---SDM 660 VS SDM670
- python 玩公众号游戏_从零基础开始,用python手把手教你玩跳一跳小游戏,直接打出高分...
- 实现高并发服务器之 I/O复用
- 浅析引用类型和基本类型的内存比较
- flask gunicorn gevent部署
- java bartender_BarTender Web Print Server可用的打印方法
- 无穷级数求和7个公式_Excel技能:职场必备的三个SUM函数、10个求和公式
- 定理在数学中的简写形式_高中数学联赛常用定理
- Boosting方法详解
- uni-app——storage的使用(Storage、StorageSync)
- 计算机在机械智能制造中的应用,数控技术在智能制造中的应用及发展
- 3.java 模拟保皇游戏开始的发牌过程
- VGA、QVGA、WVGA、HVGA名词解释及区别
热门文章
- 高完整性系统工程(十一):Fault Tolerant Design
- 读懂正则表达式并学会简单的运用
- 关于VCC、VDD、VSS、GND的术语解释
- 2021年全球防伪包装收入大约79280百万美元,预计2028年达到166250百万美元,2022至2028期间,年复合增长率CAGR为 11.2%
- 资产-服务器变更流程图
- C/C++编程:libssh2 API学习
- CAfile: /etc/ssl/certs/ca-certificates.crt CRLfile: none 解决方法
- [NLP] Elasticsearch 全流程配置
- 软件测试的学习笔记(4)
- 如何提高总结和归纳的能力