Seaborn-调色板(Seaborn- Color Palette)
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 (Usage)
seaborn.color_palette(palette = None, n_colors = None, desat = None)
参数(Parameter)
下表列出了构建调色板的参数 -
| Sr.No. | Palatte＆Description |
|---|---|
| 1 | n_colors 调色板中的颜色数。 如果为None，则默认值取决于指定调色板的方式。 默认情况下， n_colors值为6种颜色。 |
| 2 | desat 每种颜色去饱和的比例。 |
Return
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。
例子 (Example)
from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(current_palette)
plt.show()
输出 (Output)
我们没有在color_palette();传递任何参数color_palette(); 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。
例子 (Example)
from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(sb.color_palette("Greens"))
plt.show()
Note −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。
例子 (Example)
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 (Output)
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color_palette(),但默认的Matplotlib参数已更改，因此调色板用于所有绘图。
例子 (Example)
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 (Output)
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 (Usage)
seaborn.distplot()
参数 (Parameters)
下表列出了参数及其说明 -
| Sr.No. | 参数和描述 |
|---|---|
| 1 | data 系列，1d数组或列表 |
| 2 | bins 组织箱的规格 |
| 3 | hist 布尔 |
| 4 | kde 布尔 |
这些是需要研究的基本和重要参数。
