图表可视化seaborn风格和调色盘

seaborn是基于matplotlib的python数据可视化库，提供更高层次的API封装，包括一些高级图表可视化等工具。

使用seaborn需要先安装改模块pip3 install seaborn 。

一、风格style

包括set() / set_style() / axes_style() / despine() / set_context()

创建正弦函数并显示图表

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
def sinplot(flip = 1):x = np.linspace(0,14,100)for i in range(1,7):plt.plot(x,np.sin(x+i)*i)      # 6个正弦函数
sinplot()

1.set()，设置整体为默认风格

sns.set()  #默认风格为darkgrid
sinplot()

2.set_style()，自定义整体风格

参数为"white"、"dark"、 "whitegrid"、 "darkgrid"、 "ticks"或者None，默认为darkgrid

fig = plt.figure(figsize=(15,6))ax1 = fig.add_subplot(121)
sns.set_style('whitegrid')
data = np.random.normal(size=(20, 6)) + np.arange(6) / 2
sns.boxplot(data=data)
plt.title('style - whitegrid')# 仍然可以使用matplotlib的参数

ax2 = fig.add_subplot(122)
# sns.set_style("dark")
sinplot()

3.axes_style()，设置子图风格

可与with搭配使用，设置with代码块内的图表风格，不影响整体图表风格。

fig = plt.figure(figsize=(15,6))
with sns.axes_style("dark"): #只对with代码块内的图表风格生效，即只对第一个子图生效plt.subplot(121)       sinplot()sns.set_style("white")       #整体风格为white
plt.subplot(122)
sinplot()

4.despine()移除轴线

despine(fig=None, ax=None, top=True, right=True, left=False, bottom=False, offset=None, trim=False)

top、right、left、bottom：上、右、左、下方轴线，默认移除上方和右侧轴线

offset：xy轴和y轴的起点相对原始位置的偏移量

trim：默认坐标轴长度没有限制，会延伸到图表内容结束，True表示将坐标轴的显示的长度在最小值和最大值之间

fig = plt.figure(figsize=(20,6))
ax1 = fig.add_subplot(131)
sinplot()
sns.despine()# 默认删除上、右坐标轴

ax2 = fig.add_subplot(132)
sns.violinplot(data=data) #小提琴图
# sns.despine(offset=1, trim=True) 

ax3 = fig.add_subplot(133)
sns.boxplot(data=data, palette="deep")
sns.despine(left=True, right = False) #最终是该despine设置生效

5.set_context()显示比例

可选参数为'paper'、 'notebook'、'talk'、'poster'，默认为notebook，设置标签、线等的大小。

sns.set_context("notebook")
sinplot()

下面分别为设置为notebook、paper、talk和poster的显示结果。

二、调色盘

1.color_palette()

默认取当前调色盘的颜色，返回结果是一个seaborn.palette的类，形式类似一个列表，列表中每一个元素为元组，元组用3个数值表示rgb颜色。

current_palette = sns.color_palette()  # 读取当前调色盘颜色，可添加参数n表示取几个色块
print(current_pallette,type(current_palette))
sns.palplot(current_palette)
#<class 'seaborn.palettes._ColorPalette'> [(0.9913725490196079, 0.7913725490196079, 0.7082352941176471)...]

seaborn可用调色盘有6种，deep、 muted、bright、 pastel、dark、colorblind，默认显示bright。

其他调色盘

sns.color_palette('Reds', 10)，第一个参数表示色系，第二个参数表示取几个色块。

颜色默认是由浅到深，带r表示反转即颜色由深到浅，不是所有颜色都可以翻转哦。

#其他可用调色盘
#Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r,
#Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r,
#Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r,RdBu, RdBu_r,
#RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, spectral
#Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r
#binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r,
#cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r,
#gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r,
#gray, gray_r, hot, hot_r, hsv, hsv_r, icefire, icefire_r, inferno, inferno_r, jet, jet_r, magma, magma_r, mako, mako_r,
#nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, rocket, rocket_r,
#seismic, seismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r,
#terrain, terrain_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, vlag, vlag_r, winter, winter_r

sns.palplot(sns.color_palette('Reds', 10))
sns.palplot(sns.color_palette('Greens_r', 7))  #

# 分组颜色，同一个颜色成对出现
sns.palplot(sns.color_palette('Paired',7))  #参数可以为奇数
sns.palplot(sns.color_palette('Paired', 18))

2.设置调色盘

set_palette(palette, n_colors=None, desat=None, color_codes=False)，使用Seaborn调色盘设置Matplotlib颜色循环

palette参数可设置为seaborn color paltte | matplotlib colormap | hls | husl

sns.set_palette('Greens')
sinplot()

3.亮度和饱和度

sns.hls_palette(n_colors=6, h=.01, l=.6, s=.65)

sns.husl_palette(n_colors=6, h=.01, s=.9, l=.65)，两者表示亮度和饱和度的参数位置相反。

参数n_colors表示取几个色块，h表示第一个色块的颜色，l表示亮度，s表示饱和度，h、l、s取值[0,1]。

sns.palplot(sns.hls_palette(8,0.01,0.5,0.5))
sns.palplot(sns.husl_palette(8,0.03,0.8,0.8))

4.按线性增长设置颜色

cubehelix_palette(n_colors=6, start=0, rot=.4, gamma=1.0, hue=0.8,light=.85, dark=.15, reverse=False, as_cmap=False)

c_colors：色块个数

start：色块的起点颜色，[0,3]之间

rot：颜色的旋转角度

gamma：颜色的伽马值，值越大颜色越深

hue：饱和度，[0,1]之间

light和dark：亮度和深度，[0,1]之间

reverse：默认为False颜色由浅到深，True表示由深到浅

as_cmp：If True, return a matplotlib colormap instead of a list of colors

sns.palplot(sns.cubehelix_palette(8, gamma=1.5))
sns.palplot(sns.cubehelix_palette(8, start=1, rot=-0.75))
sns.palplot(sns.cubehelix_palette(8, start=2, rot=0, dark=0.5,light=0.9, reverse=True))

5.按颜色深浅设置颜色

light_palette(color, n_colors=6, reverse=False, as_cmap=False,input="rgb")和dark_palette(color, n_colors=6, reverse=False, as_cmap=False, input="rgb")

color_palette()中的颜色参数为调色盘，而light_palette()和dark_palette()中的color颜色参数就是单纯的颜色，例如对于蓝色，color_palette()需设置Blues，后两者参数为blue。

sns.palplot(sns.light_palette("red"))
sns.palplot(sns.dark_palette("red"))
sns.palplot(sns.light_palette("blue"))
sns.palplot(sns.dark_palette("blue", reverse=True))

6.设置分散颜色

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

h_neg, h_pos：起始和终止颜色，[0,359]之间

s、l：饱和度和亮度，[0,100]之间

n：色块个数

center：最中间颜色为浅色或者深色，{'light','dark'}，默认为浅色

sns.palplot(sns.diverging_palette(0,150, s=60, l=20, n=8))
sns.palplot(sns.diverging_palette(300, 150, s=30, l=50, n=8,center='dark'))

sns.set_style("white")# 设置风格
fig = plt.figure(figsize=(18,5))with sns.color_palette("Greens"): #设置局部调色盘plt.subplot(131)sinplot()sns.set_palette("husl")   #对于多系列的图表，用不同颜色区分系列
plt.subplot(132)
sinplot()x = np.arange(25).reshape(5, 5)
cmap = sns.diverging_palette(200, 20, sep=20, as_cmap=True)
plt.subplot(133)
sns.heatmap(x, cmap=cmap)  #显示热力图效果

转载于:https://www.cnblogs.com/Forever77/p/11396588.html