在seaborn中设置和选择颜色梯度

欢迎关注”生信修炼手册”!

seaborn在matplotlib的基础上进行开发，当然也继承了matplotlib的颜色梯度设置,  同时也自定义了一系列独特的颜色梯度。在seaborn中，通过color_palette函数来设置颜色， 用法如下

>>> sns.color_palette()
[(0.12156862745098039, 0.4666666666666667, 0.7058823529411765), (1.0, 0.4980392156862745, 0.054901960784313725), (0.17254901960784313, 0.6274509803921569, 0.17254901960784313), (0.8392156862745098, 0.15294117647058825, 0.1568627450980392), (0.5803921568627451, 0.403921568627451, 0.7411764705882353), (0.5490196078431373, 0.33725490196078434, 0.29411764705882354), (0.8901960784313725, 0.4666666666666667, 0.7607843137254902), (0.4980392156862745, 0.4980392156862745, 0.4980392156862745), (0.7372549019607844, 0.7411764705882353, 0.13333333333333333), (0.09019607843137255, 0.7450980392156863, 0.8117647058823529)]

返回的是RGB颜色数组，不加任何参数的情况下，返回值就是matplotlib默认的颜色梯度，以下两个代码的输出结果相同

>>> plt.pie(x)

>>> plt.pie(x, colors=sns.color_palette())

输出结果如下

该函数接受多种形式的参数

1. seaborn palette name

在seaborn中，提供了以下6种颜色梯度

1. deep

2. muted

3. bright

4. pastel

5. drak

6. colorbind

不同颜色梯度的效果如下

>>> palettes = ['deep', 'muted', 'pastel', 'bright', 'dark', 'colorblind']
>>> row, col = 0, 0
>>> for index, palette in enumerate(palettes):
...     if index % 3 == 0 and index != 0:
...         row += 1
...         col = 0
...     print(row, col)
...     ax = axes[row, col]
...     ax.pie(x, colors = sns.color_palette(palette))
...     ax.text(0.5, 1, palette, transform=ax.transAxes, ha='center')
...     col += 1
...
>>> plt.show()

输出结果如下

2. matplotlib palette name

matplotlib中丰富的patlette名称都可以拿过来使用，用法如下

>>> plt.pie(x, colors=sns.color_palette('Paired'))
>>> plt.show()

3. husl and hsl palette

seaborn支持通过色相，饱和度，明度来设置颜色，具体的是通过husl_palette和hsl_palette两个子函数来实现，用法如下

>>> fig, (ax1, ax2) = plt.subplots(1, 2)
>>> ax1.pie(x, colors=sns.color_palette('husl', 10))
>>> ax1.text(0.5, 1, 'husl', transform=ax1.transAxes, ha='center')
>>> ax2.pie(x, colors=sns.color_palette('hls', 10))
>>> ax2.text(0.5, 1, 'hls', transform=ax2.transAxes, ha='center')
>>> plt.show()

输出结果如下

4. cubehelix palette

通过子函数cubehelix_palette来实现，创建一个亮度线性变化的颜色梯度，在color_palette中，通过前缀ch:来标识对应的参数，用法如下

>>> plt.pie(x, colors=sns.color_palette('ch:'))
>>> plt.show()

输出结果如下

5. light, dark and blend  palette

也都是通过调用子函数来实现的，基本用法如下

>>> fig, (ax1, ax2, ax3) = plt.subplots(1, 3)
>>> ax1.pie(x, colors=sns.color_palette('light:blue'))
>>> ax1.text(0.5, 1, 'light_palette', transform=ax1.transAxes, ha='center')
>>> ax2.pie(x, colors=sns.color_palette('dark:blue'))
>>> ax2.text(0.5, 1, 'dark_palette', transform=ax2.transAxes, ha='center')
>>> ax3.pie(x, colors=sns.color_palette('blend:red,blue'))
>>> ax3.text(0.5, 1, 'blend_palette', transform=ax3.transAxes, ha='center')
>>> plt.show()

输出结果如下

6. sequence of colors

自定义颜色，通过输入一个matplotlib可以识别的颜色代码来构建颜色梯度，用法如下

>>> plt.pie(x, colors=sns.color_palette(['xkcd:green','xkcd:blue','xkcd:red', 'xkcd:brown', 'xkcd:pink', 'xkcd:purple'])）
>>> plt.show()

使用了一系列的xkcd颜色梯度，输出结果如下

在seaborn中，还提供了4种独特的渐变色，用于绘制热图

1. rocket

2. flare

3. mako

4. crest

rocker是默认的颜色梯度

>>> sns.heatmap(data, cmap='rocket')
>>> plt.show()

输出结果如下

和matplotlib类似，添加后缀_r可以将颜色梯度反转

>>> sns.heatmap(data, cmap='rocket_r')
>>> plt.show()

输出结果如下

对于seaborn而言，其支持的色相，饱和度，亮度调色系统，大大扩展了颜色的范围，同时其内置的一些颜色梯度，也提供了优雅的可视化效果，兼顾了 灵活性和便利性。

·end·

—如果喜欢，快分享给你的朋友们吧—

原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！

本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。

  更多精彩

• KEGG数据库，除了pathway你还知道哪些

• 全网最完整的circos中文教程

• DNA甲基化数据分析专题

• 突变检测数据分析专题

• mRNA数据分析专题

• lncRNA数据分析专题

• circRNA数据分析专题

• miRNA数据分析专题

• 单细胞转录组数据分析专题

• chip_seq数据分析专题

• Hi-C数据分析专题

• HLA数据分析专题

• TCGA肿瘤数据分析专题

• 基因组组装数据分析专题

• CNV数据分析专题

• GWAS数据分析专题

• 2018年推文合集

• 2019年推文合集

  写在最后

转发本文至朋友圈，后台私信截图即可加入生信交流群，和小伙伴一起学习交流。

扫描下方二维码，关注我们，解锁更多精彩内容！

一个只分享干货的

生信公众号