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. 使用dozer将DTO转化为DO

    DTO,就是Data Transfer Object,数据传输对象,可以简单理解成请求中的对象. PO,就是Persistant Object,持久化对象,它跟持久层(通常是关系型数据库)的数据结构形 ...

  2. 亿级Web系统搭建 Web负载均衡的几种实现方式(阿里)

    我还写了两篇详细的 参考:六大Web负载均衡原理与实现 参考:LVS(Linus Virtual Server):三种IP负载均衡方式比较+另三种Web负载均衡方式 其中LVS.HAProxy可以工作 ...

  3. suface 触控笔

    触控笔直接就可以书写,顶部橡皮擦可用. 但如果要使用笔上的按键(如单击启动OneNote),必须要用蓝牙进行配对.笔使用一节AAAA电池(九号电池)供电. 连接方法: 准备好surface触控笔,并确 ...

  4. Oracle 'no privileges on tablespace 表空间名称' 问题解决

    create user bryan identified by bryan;   grant create session to bryan;   grant create table to brya ...

  5. [转帖]自动交互式脚本--expect

    自动交互式脚本--expect https://www.cnblogs.com/zhuiluoyu/p/4873869.html 我们经常会遇到一些需要与服务器程序打交道的场景,比如,从登陆某个服务器 ...

  6. Feign实现自定义错误处理

    关键操作 实现ErrorDecoder接口 问题和背景 最近项目中在大量使用Feign和OkHttp作为http客户端使用,开发效率得到显著的提升.但也面临一些问题,比如每个下游系统的异常返回方式不同 ...

  7. InstantiationAwareBeanPostProcessor 分析

    Cglib之Enhancer创建动态代理https://blog.csdn.net/yaomingyang/article/details/82762697 https://blog.csdn.net ...

  8. spring Boot 学习(八、Spring Boot与与监控管理)

    一.监控管理通过引入spring-boot-starter-actuator,可以使用Spring Boot为我们提供的准 生产环境下的应用监控和管理功能.我们可以通过HTTP,JMX,SSH协议来进 ...

  9. ubuntu开发常用收集

    命令: 1.http://blog.csdn.net/simongeek/article/details/45271089 2.http://www.jianshu.com/p/654be9c0f13 ...

  10. codeforces#566(Div.2)B

    B.Plus from Picture You have a given picture with size w×hw×h. Determine if the given picture has a ...