Python可視化學習之seaborn調色盤

Posted on by

1、color_palette() 函數

該函數是seaborn選取顏色關鍵函數

color_palette() will accept the name of any seaborn palette or matplotlib colorma

語法：seaborn.color_palette(palette=None, n_colors=None, desat=None)

import seaborn as sns
import matplotlib.pyplot as plt
plt.figure(dpi=250)
sns.palplot(sns.color_palette())#輸出默認顏色

print(sns.color_palette())#返回默認顏色元組組成的list

#palette，傳入colormap名稱
sns.palplot(sns.color_palette(palette='Accent'))#使用matplotlib中的colormap

#n_colors
sns.palplot(sns.color_palette(n_colors=21))#返回顏色種類，超過瞭自動循環

# desat
sns.palplot(sns.color_palette(n_colors=21,
                             desat=0.2))#設置顏色飽和度

#with
plt.figure(dpi=100)
with sns.color_palette(n_colors=21):#循環使用色盤
   _ = plt.plot(np.c_[np.zeros(21), np.arange(21)].T)

#傳入hex 格式顏色號給sns.color_palette
flatui = ["#9b59b6", "#3498db", "#95a5a6", "#e74c3c", "#34495e", "#2ecc71"]
sns.palplot(sns.color_palette(flatui))

#顏色使用
plt.figure(dpi=100)
 
plt.subplot(1,2,1)
plt.bar([1,2,3],[1,2,3],color=sns.color_palette()[0])#取一種顏色
 
plt.subplot(1,2,2)
plt.bar([1,2,3],[1,2,3],color=sns.color_palette()[0:3])#取三種顏色

2、 seaborn可用調色盤

分三大類：‘sequential’（漸變色）, ‘diverging’（不可描述，看下圖）, ‘qualitative’（各種顏色區分鮮明）

choose_colorbrewer_palette函數

該函數可以預覽各種顏色盤， 隻能在jupyter notebook中使用。

下面詳細介紹上面三類顏色。

Qualitative color palettes

to distinguish discrete chunks of data that do not have an inherent ordering，分如下幾類：

1、deep, muted, pastel, bright, dark, colorblind

2、hls

3、husl

4、palettable 5、xkcd

6、傳入顏色list

#deep, muted, pastel, bright, dark, colorblind
for i in list('deep, muted, pastel, bright, dark, colorblind'.split(', ')): 
    print(i,end='\t')
    sns.palplot(sns.color_palette(palette=i))

從上到下依次為：deep, muted, pastel, bright, dark, colorblind

# hls
 
sns.palplot(sns.color_palette(palette='hls'))
sns.palplot(sns.hls_palette(8, l=.3, s=.8))

#husl
 
sns.palplot(sns.color_palette(palette='husl'))
sns.palplot(sns.color_palette("husl", 8))

import palettable#python palettable庫
sns.palplot(sns.color_palette(palette=palettable.colorbrewer.qualitative.Dark2_7.mpl_colors))#使用palettable中的colormap
sns.palplot(sns.color_palette(palette=palettable.scientific.sequential.Nuuk_7.mpl_colors))

#xkcd
plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=3)
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)

xkcd，詳細可參考 ：Python可視化學習之matplotlib內置單顏色

#傳入顏色list給ns.xkcd_palette()
colors = ["windows blue", "amber", "greyish", "faded green", "dusty purple"]
sns.palplot(sns.xkcd_palette(colors))

Sequential color palettes

is appropriate when data range from relatively low or uninteresting values to relatively high or interesting values

1、"Blues"這類

2、'cubehelix',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)

3、傳統色的漸變色，light_palette()、dark_palette() 

#"Blues"這類漸變色
sns.palplot(sns.color_palette("Blues"))
sns.palplot(sns.color_palette("Blues_d"))#_d表示顯示該顏色的深色系(“dark” palettes by appending “_d”)
sns.palplot(sns.color_palette("Blues_r"))

# cubehelix
sns.palplot(sns.color_palette("cubehelix", 8))
sns.palplot(sns.color_palette("ch:2.5,-.2,dark=.3"))#使用cubehelix接口制作顏色
sns.palplot(sns.cubehelix_palette(8, start=2, rot=0, dark=0, light=.95, reverse=True))

#light_palette
sns.palplot(sns.light_palette("seagreen", reverse=True))
sns.palplot(sns.light_palette((260, 75, 60), input="husl"))

Diverging color palettes

for data where both large low and high values are interesting.

1、diverging_palette()

sns.palplot(sns.color_palette("coolwarm", 7))

sns.palplot(sns.diverging_palette(240, 10, n=9))
sns.palplot(sns.diverging_palette(150, 275, s=80, l=55, n=9))
sns.palplot(sns.diverging_palette(250, 15, s=75, l=40,
                                  n=9, center="dark"))

到此這篇關於Python可視化學習之seaborn調色盤的文章就介紹到這瞭,更多相關Python seaborn調色盤內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：