【数据分析与可视化】seaborn图形显示效果的设置

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 100位的等差数列
x = np.linspace(0,14,100)
y1 = np.sin(x)
y2 = np.sin(x+2)*1.25
# 默认画图
def sinplot():
    plt.plot(x,y1)
    plt.plot(x,y2)
sinplot()

【数据分析与可视化】seaborn图形显示效果的设置_第1张图片

import seaborn as sns

主题参数sns.axes_style()设置主题sns.set_style(style[0])

sinplot()

【数据分析与可视化】seaborn图形显示效果的设置_第2张图片

# 五种封装的主题
style = ['darkgrid', 'dark', 'white', 'whitegrid', 'tricks']
# 设置主题
sns.set_style(style[0])
sinplot()

【数据分析与可视化】seaborn图形显示效果的设置_第3张图片

# 主题参数
sns.axes_style()
{'axes.facecolor': '#EAEAF2',
 'axes.edgecolor': 'white',
 'axes.grid': True,
 'axes.axisbelow': True,
 'axes.labelcolor': '.15',
 'figure.facecolor': 'white',
 'grid.color': 'white',
 'grid.linestyle': '-',
 'text.color': '.15',
 'xtick.color': '.15',
 'ytick.color': '.15',
 'xtick.direction': 'out',
 'ytick.direction': 'out',
 'lines.solid_capstyle': 'round',
 'patch.edgecolor': 'w',
 'image.cmap': 'rocket',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'DejaVu Sans',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif'],
 'patch.force_edgecolor': True,
 'xtick.bottom': False,
 'xtick.top': False,
 'ytick.left': False,
 'ytick.right': False,
 'axes.spines.left': True,
 'axes.spines.bottom': True,
 'axes.spines.right': True,
 'axes.spines.top': True}
# 设置主题参数(强制更改)-微调(网格颜色,直接添加字典)
sns.set_style(style[0],{'grid.color': 'red'})
sinplot()

【数据分析与可视化】seaborn图形显示效果的设置_第4张图片

# 恢复初始参数
sns.set()
sinplot()

【数据分析与可视化】seaborn图形显示效果的设置_第5张图片

# context 越来越大 越来越粗 
context = ['paper', 'notebook', 'talk', 'poster']
# 设置风格 注意rc参数
sns.set_context(context[1], rc={'grid.linewidth': 3.0})
sinplot()

【数据分析与可视化】seaborn图形显示效果的设置_第6张图片

sns.plotting_context()
{'font.size': 12.0,
 'axes.labelsize': 12.0,
 'axes.titlesize': 12.0,
 'xtick.labelsize': 11.0,
 'ytick.labelsize': 11.0,
 'legend.fontsize': 11.0,
 'axes.linewidth': 1.25,
 'grid.linewidth': 3.0,
 'lines.linewidth': 1.5,
 'lines.markersize': 6.0,
 'patch.linewidth': 1.0,
 'xtick.major.width': 1.25,
 'ytick.major.width': 1.25,
 'xtick.minor.width': 1.0,
 'ytick.minor.width': 1.0,
 'xtick.major.size': 6.0,
 'ytick.major.size': 6.0,
 'xtick.minor.size': 4.0,
 'ytick.minor.size': 4.0}
# 恢复初始也是
sns.set()
sns.plotting_context()
{'font.size': 12.0,
 'axes.labelsize': 12.0,
 'axes.titlesize': 12.0,
 'xtick.labelsize': 11.0,
 'ytick.labelsize': 11.0,
 'legend.fontsize': 11.0,
 'axes.linewidth': 1.25,
 'grid.linewidth': 1.0,
 'lines.linewidth': 1.5,
 'lines.markersize': 6.0,
 'patch.linewidth': 1.0,
 'xtick.major.width': 1.25,
 'ytick.major.width': 1.25,
 'xtick.minor.width': 1.0,
 'ytick.minor.width': 1.0,
 'xtick.major.size': 6.0,
 'ytick.major.size': 6.0,
 'xtick.minor.size': 4.0,
 'ytick.minor.size': 4.0}

你可能感兴趣的:(#,数据分析与可视化分析)