一、样式控制

1.set([context,style,palette,font,...])

一步设定美学参数。

2.axes_style([style,rc])

返回参数字典,用于绘图的美学风格。

3.set_style([style,rc])

设定地块的审美风格。

4.plotting_context([context,font_scale,rc])

返回参数dict以缩放图形的元素。

5.set_context([context,font_scale,rc])

设置绘图上下文参数。

6.set_color_codes([调色板])

更改matplotlib颜色缩写词的解释方式。

7.reset_defaults()

将所有RC参数恢复为默认设置。

8.reset_orig()

将所有RC参数恢复为原始设置(尊重自定义rc)。

二、调色板

调色板分为三类:

  • Sequential:按顺序渐变的。 - Light colours for low data, dark for high data
  • Diverging:彼此之间差异变化较大的。 - Light colours for mid-range data, low and high contrasting dark colours
  • Qualitative:这个用于最大程度地显示不同类之间的差别。 - Colours designed to give maximum visual difference between classes

1.color_palette()

seaborn.color_palette(palette=None, n_colors = None, desat = None)
  • paletteNone,string或sequence,可选,默认有6种主题:deep,muted, pastel, bright, dark, colorblind
  • n_colors:颜色个数
  • desat:每种颜色去饱和的比例

返回:

  • palette:RGB元组列表

 举例:

import seaborn as sns

sns.palplot(sns.color_palette())
sns.palplot(sns.color_palette('deep',8))
sns.palplot(sns.color_palette('muted',8))
sns.palplot(sns.color_palette('pastel',8))
sns.palplot(sns.color_palette('bright',8))
sns.palplot(sns.color_palette('dark',8))
sns.palplot(sns.color_palette('colorblind',8))

其他颜色风格:Accent,Blues,BrBG

import seaborn as sns

#风格内容:Accent,Blues,BrBG等等
#风格颜色转换(不是所有颜色都可以反转):Blues/Blues_r
#分组颜色设置 -'Paried'
sns.palplot(sns.color_palette('Paired',8))
sns.palplot(sns.color_palette('Accent',8))
sns.palplot(sns.color_palette('Blues',8))
sns.palplot(sns.color_palette('Blues_r',8))
sns.palplot(sns.color_palette('BrBG',8))

2. set_palette():

3.husl_palette():设置亮度,饱和度

seaborn.husl_palette(n_colors=6, h=0.01, s=0.9, l=0.65)
  • n_colors:颜色个数
  • h:第一个色调
  • s:饱和度
  • l:亮度

可用方法:

husl_palette([n_colors, h, s, l])
hsl_palette([n_colors, h, l, s])  

举例:

sns.palplot(sns.hls_palette(8 , l = .8, s = .5))

4.cubehelix_palette():按照线性增长计算,设置颜色

seaborn.cubehelix_palette(n_colors=6, start=0, rot=0.4, gamma=1.0, hue=0.8, light=0.85, dark=0.15, reverse=False, as_cmap=False)
  • n_colors:颜色个数
  • start :值区间在0-3,开始颜色
  • rot:颜色旋转角度
  • gamma:颜色伽马值,越大颜色越暗
  • dark,light:值区间0-1,颜色越深
  • reverse:布尔值,默认为False,由浅到深
sns.palplot(sns.cubehelix_palette(8, gamma = 2))
sns.palplot(sns.cubehelix_palette(8, start = .5, rot = -.75))
sns.palplot(sns.cubehelix_palette(8, start = 2, rot = 0, dark = 0, light = .95, reverse = True))

5.dark_palette()、light_palette():深色/浅色调色板

seaborn.dark_palette(color,n_colors = 6,reverse = False,as_cmap = False,input ='rgb' )

参数:

  • color:高值的颜色
  • n_colors:颜色个数
  • reverse:默认为False
  • as_cmap:如果为True,则返回matplotlib colormap;为False,则返回list
  • input:{'rgb','hls','husl','xkcd'}

返回:palette或cmap:seaborn调色板或matplotlib colormap,类似列表的颜色对象作为RGB元组,或者可以将连续值映射到颜色的颜色图对象,具体取决于as_cmap参数的值 。

dark_palette(color[, n_colors, reverse, ...]) #制作一个从黑暗到混合的顺序调色板
light_palette(color[, n_colors, reverse, ...])

举例:

sns.palplot(sns.light_palette('green')) #按照green做浅色调色盘
sns.palplot(sns.color_palette('Greens')) #cmap为Greens风格 sns.palplot(sns.dark_palette('red', reverse = False)) #按照blue做深色调色盘
#reverse ---> 转置颜色 sns.palplot(sns.light_palette('red',reverse=False))

6.diverging_palette创建分散颜色

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

参数:

  • h_neg,h_pos:[0,359]
    定位在负数与正数色调范围
  • s:[0,100],可选
    定位饱和度
  • l:[0,100],可选
    定位亮度
  • n:int,可选
    如果不返回cmap,将返回颜色数字
  • center:{“light”,“dark”},可选
    调色板中心是亮还是暗
  • as_cmap:布尔,可选
    如果为真,返回matplotlib colormap 对象;否则返回一个颜色列表

返回:

  • palette or cmap:seaborn color palette 或者matplotlib colormap
    颜色的类表对象(RGB元组),或者colormap能够映射连续的值到颜色,决定于 as_cmap 参数

举例:

sns.palplot(sns.diverging_palette(200, 20, l=40, n=4))

 用分散颜色制作热力图

plt.figure(figsize = (8,6))
x = np.arange(25).reshape(5,5)
cmap = sns.diverging_palette(200,20,sep=20,as_cmap=True)
sns.heatmap(x, cmap=cmap)#热力图

效果如下:

7.blend_palette()

8.xkcd_palette():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

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

plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=1)
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)

9.crayon_palette()

10.mpl_palette()

三、调色板小部件

1.choose_colorbrewer_palette(data_type [,as_cmap])

从ColorBrewer集中选择一个调色板

2.choose_cubehelix_palette([as_cmap])

启动交互式小部件以创建顺序cubehelix调色板

3.choose_light_palette([input,as_cmap])

启动交互式小部件以创建轻型顺序调色板

4.choose_dark_palette([input,as_cmap])

启动交互式小部件以创建暗序连接调色板

5.choose_diverging_palette([as_cmap])

启动交互式小部件以选择不同的调色板

四、实用功能

1.load_dataset(name [,cache,data_home])

从在线存储库加载数据集(需要互联网)

2.despine([fig,ax,top,right,left,bottom,...])

从图中移除顶部和右侧脊柱。

3.desaturate(颜色,道具)

将颜色的饱和度通道减少百分之几

4.saturate(颜色)

返回具有相同色调的完全饱和的颜色

5.set_hls_values(颜色[,h,l,s])

独立操作颜色的h,l或s通道

参考文献:

【1】seaborn.diverging_palette

【2】【干货】 知否?知否?一文彻底掌握Seaborn

seaborn---调色板的更多相关文章

  1. seaborn基础整理

    seaborn是基于matplotlib的更高级的做图工具,下面主要针对以下几个部分进行整理: 第一部分:https://douzujun.github.io/page/%E6%95%B0%E6%8D ...

  2. Python人工智能学习笔记

    Python教程 Python 教程 Python 简介 Python 环境搭建 Python 中文编码 Python 基础语法 Python 变量类型 Python 运算符 Python 条件语句 ...

  3. seaborn使用(样式管理)

    seaborn使用(样式管理) Seaborn是一个在Python中制作具有吸引力和丰富信息的统计图形的库.它建立在matplotlib之上,并与PyData堆栈紧密集成,包括支持scipy和pand ...

  4. seaborn库

      首先找到Anaconda Prompt命令行,下载seaborn库 ,命令  pip install seaborn 1.风格设置 import seaborn as sns import num ...

  5. Python数据可视化-seaborn库之countplot

    在Python数据可视化中,seaborn较好的提供了图形的一些可视化功效. seaborn官方文档见链接:http://seaborn.pydata.org/api.html countplot是s ...

  6. Python图表数据可视化Seaborn:2. 分类数据可视化-分类散点图|分布图(箱型图|小提琴图|LV图表)|统计图(柱状图|折线图)

    1. 分类数据可视化 - 分类散点图 stripplot( ) / swarmplot( ) sns.stripplot(x="day",y="total_bill&qu ...

  7. Python图表数据可视化Seaborn:1. 风格| 分布数据可视化-直方图| 密度图| 散点图

    conda  install seaborn  是安装到jupyter那个环境的 1. 整体风格设置 对图表整体颜色.比例等进行风格设置,包括颜色色板等调用系统风格进行数据可视化 set() / se ...

  8. Python数据可视化-seaborn

    详细介绍可以看seaborn官方API和example galler. 1  set_style( )  set( ) set_style( )是用来设置主题的,Seaborn有五个预设好的主题: d ...

  9. Seaborn图形可视化库

    一.绘图 1)快速生成图 import numpy as np import matplotlib.pyplot as plt def sinplot(filp=): x = np.linspace( ...

随机推荐

  1. 基于32位Windows2003的数据库服务器优化,启用AWE,优化SQL Server

    最近几天,笔者所在的单位中的一台WEB服务器由于负载过大出现了问题,当同时在线的用户达到一定规模(2000-3000)时,频繁出现页面响应迟缓.超时等问题.服务器采用的操作系统是Windows Ser ...

  2. jquery设置bootstrap-table的当前选中页码的获取与设置

    一.获取当前table分页的页码 有两种方式可以获得当前选中的页码: 1.通过table的onPageChange方法 $('#agentTable').bootstrapTable({ data: ...

  3. 日志篇 貌似win10有个磁盘bug,非常非常严重... 硬盘解密之后无法访问,参数错误 BitLocker解密

    程序员就是要穷尽一切猜想... 我的加密的硬盘解密后无法访问了,我从一年前就遇到了,现在又突然出现了..... 然后找到一个人回答,他这个回答能从形式上解决,点我去原帖 用cmd管理员模式,执行,I要 ...

  4. eclipse中正确创建Django项目

    本教程只说明eclipse中django项目的创建,不涉及django相关开发内容: 1."File" -> "New" -> "Othe ...

  5. C语言字节对齐分析

    1.前言 什么是字节对齐呢?现代计算机中的内存空间都是按字节(byte)划分的,从理论上讲似乎任何类型的变量的访问都可以从任何地址开始,但是实际情况是在访问特定变量的时候经常需要在特定的内存地址进行访 ...

  6. windows下的文件管理工具--total commander

    https://www.ghisler.com/ http://www.guyiren.com/archives/1647

  7. 【C语言学习笔记】指针

    用来存放一个变量地址的变量就叫指针变量.指针变量也是有类型约束的,一般什么类型的指针指向什么类型的变量. 指针之所以叫变量,是因为它里面所存放的变量的地址也是不断变化的,指针是可以移动的. 定义格式: ...

  8. Ubuntu 18 Kubernetes集群的安装和部署 以及Helm的安装

    首先说一下我的环境, 我是在windows 10 上面建了一个ubuntu18的虚拟机,同时由于某些原因 不受网络限制, 所以安装比较顺利. Install 1.安装并启用 Docker  sudo ...

  9. Linux设置SSH隧道连接

    因为安全考虑,服务器防火墙对某些端口进行了限制,原先通过客户端工具可以连接的端口,现在不能连接了,需要通过设置SSH隧道才可以,记录如下.

  10. docker封装mysql镜像

    一.概述 直接使用官方的镜像 docker pull mysql:5.7 但是mysqld.cnf并没有优化,还是默认的. 二.封装镜像 创建目录 # dockerfile目录 mkdir -p /o ...