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. .net core mvc中input保留多位小数

    本篇介绍:如何在mvc中使用html标签保留多位小数 你需要知道: @html标签的使用: https://blog.csdn.net/pasic/article/details/7093802 js ...

  2. React的状态管理工具

    Mobx-React : 当前最适合React的状态管理工具   MobX 简单.可扩展的状态管理        MobX 是由 Mendix.Coinbase.Facebook 开源和众多个人赞助商 ...

  3. windows下elasticsearch安装ik分词器后无法启动

    windows下elasticsearch安装ik分词器后启动报如下图错误: 然后百度说是elasticsearch路径有空格,一看果然我的路径有空格,然后重新换个路径就好了.

  4. Docker 下的Zookeeper以及.ne core 的分布式锁

    单节点 1.拉取镜像:docker pull zookeeper 2.运行容器 a.我的容器同一放在/root/docker下面,然后创建相应的目录和文件, mkdir zookeeper cd zo ...

  5. kafka Enabling Kerberos Authentication

    CDK 2.0 and higher Powered By Apache Kafka supports Kerberos authentication, but it is supported onl ...

  6. 经实验验证,修正对using namespace std的认识

    备注①:name:符号.指的实体包括:变量.函数.类 备注②:认为全局命名空间也是一个包,在此称作 ROOT:: 或 global:: (这样就有了两个特别的包:一个是全局包,一个是std包.但对于编 ...

  7. javascript原型深入解析2--Object和Function,先有鸡先有蛋

    1.提出两个问题: Js 的prototype和__proto__ 是咋回事? 先有function 还是先有object? 2.引用<JavaScript权威指南>的一段描述: 每个JS ...

  8. Ubuntu 使用scrapy-splash

    配置docker 1.更新apt索引: $ sudo apt-get update 2.安装包允许apt通过HTTPS使用仓库:  sudo dpkg --configure -a  sudo apt ...

  9. 【WEB基础】HTML & CSS 基础入门(10)布局与定位

    块级元素和行内元素 HTML里的元素可以分为块级元素和行内元素两大类:

  10. chrome截屏的方法

    原文本文链接:https://blog.csdn.net/xiaofengzhiyu/article/details/94652057 Chrome保存整个网页为图片保存为图片右键检查快捷键Ctrl+ ...