seaborn学习2

调色板的使用方法及技巧

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
sns.set(rc={"figure.figsize": (6, 6)})

调色板

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()设置所有图的颜色

分类色板（离散型的色板）

current_palette = sns.color_palette()  #调用调色板
sns.palplot(current_palette)

output_2_0.png

6个默认的颜色循环主题： deep, muted, pastel, bright, dark, colorblind

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)。这是大多数的当他们需要使用比当前默认颜色循环中设置的颜色更多时的默认方案。

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。
备注：hls(色相、亮度、饱和度)原理 hls 是hue(色相)、luminance(亮度)、saturation(饱和度)

sns.palplot(sns.color_palette("hls", 8))    # 生成8中不同的颜色

output_5_0.png

data = np.random.normal(size=(20, 8)) + np.arange(8) / 2
sns.boxplot(data=data,palette=sns.color_palette("hls", 8))  # palette调色板：传入生成好的颜色的参数

output_6_1.png

hls_palette()函数来控制颜色的亮度和饱和

l-亮度 lightness
s-饱和 saturation

sns.palplot(sns.hls_palette(8, l=.7, s=.9))

output_8_0.png

sns.palplot(sns.color_palette("Paired",8))   #Paired   配对的  生成的颜色一对一对 如：浅蓝、深蓝

output_9_0.png

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。

plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=3)   # 通过字典里的名字，绘制指定的颜色
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)

[]

output_11_1.png

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

output_12_0.png

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"))

output_14_0.png

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"))

output_16_0.png

cubehelix_palette()调色板

色调线性变换

sns.palplot(sns.color_palette("cubehelix", 8))   #8种颜色

output_18_0.png

sns.palplot(sns.cubehelix_palette(8, start=.5, rot=-.75))    #start 当前颜色分布情况  rot 颜色区间

output_19_0.png

sns.palplot(sns.cubehelix_palette(8, start=.75, rot=-.150))

output_20_0.png

light_palette() 和dark_palette()调用定制连续调色板

sns.palplot(sns.light_palette("green"))  #由浅至深

output_22_0.png

sns.palplot(sns.dark_palette("purple"))  #由深至浅

output_23_0.png

sns.palplot(sns.light_palette("navy", reverse=True))    #reverse 反转 由浅至深   =》 由深至浅

output_24_0.png

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);

C:\Anaconda3\lib\site-packages\numpy\ma\core.py:6385: MaskedArrayFutureWarning: In the future the default for ma.minimum.reduce will be axis=0, not the current None, to match np.minimum.reduce. Explicitly pass 0 or None to silence this warning.
  return self.reduce(a)
C:\Anaconda3\lib\site-packages\numpy\ma\core.py:6385: MaskedArrayFutureWarning: In the future the default for ma.maximum.reduce will be axis=0, not the current None, to match np.maximum.reduce. Explicitly pass 0 or None to silence this warning.
  return self.reduce(a)

output_25_1.png

sns.palplot(sns.light_palette((210, 90, 60), input="husl"))  #自定义调色

output_26_0.png