Python可视化学习之seaborn调色盘

 更新时间:2022年02月24日 16:53:27   作者:qq_21478261  
seaborn是在matplotlib基础上封装的,所以matplotlib的调色盘seaborn都可以使用。本文系统介绍seaborn调色盘,相较于matplotlib,有诸多不同,需要的可以参考一下

1、color_palette() 函数

该函数是seaborn选取颜色关键函数

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

语法: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())#输出默认颜色

print(sns.color_palette())#返回默认颜色元组组成的list

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

#n_colors
sns.palplot(sns.color_palette(n_colors=21))#返回颜色种类,超过了自动循环

# desat
sns.palplot(sns.color_palette(n_colors=21,
                             desat=0.2))#设置颜色饱和度

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

#传入hex 格式颜色号给sns.color_palette
flatui = ["#9b59b6", "#3498db", "#95a5a6", "#e74c3c", "#34495e", "#2ecc71"]
sns.palplot(sns.color_palette(flatui))

#颜色使用
plt.figure(dpi=100)
 
plt.subplot(1,2,1)
plt.bar([1,2,3],[1,2,3],color=sns.color_palette()[0])#取一种颜色
 
plt.subplot(1,2,2)
plt.bar([1,2,3],[1,2,3],color=sns.color_palette()[0:3])#取三种颜色

2、 seaborn可用调色盘

分三大类:‘sequential’(渐变色), ‘diverging’(不可描述,看下图), ‘qualitative’(各种颜色区分鲜明)

choose_colorbrewer_palette函数

该函数可以预览各种颜色盘, 只能在jupyter notebook中使用。

下面详细介绍上面三类颜色。

Qualitative color palettes

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

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

2、hls

3、husl

4、palettable 5、xkcd

6、传入颜色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))  

从上到下依次为: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库
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,详细可参考 :Python可视化学习之matplotlib内置单颜色

#传入颜色list给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"这类

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、传统色的渐变色,light_palette()、dark_palette() 

#"Blues"这类渐变色
sns.palplot(sns.color_palette("Blues"))
sns.palplot(sns.color_palette("Blues_d"))#_d表示显示该颜色的深色系(“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接口制作颜色
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"))

到此这篇关于Python可视化学习之seaborn调色盘的文章就介绍到这了,更多相关Python seaborn调色盘内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • 实例解析Python的Twisted框架中Deferred对象的用法

    实例解析Python的Twisted框架中Deferred对象的用法

    Deferred对象在Twsited框架中用于处理回调,这对于依靠异步的Twisted来说十分重要,接下来我们就以实例解析Python的Twisted框架中Deferred对象的用法
    2016-05-05
  • python分布式库celery处理大规模的任务并行化

    python分布式库celery处理大规模的任务并行化

    Python中的分布式任务队列时,Celery是一个备受推崇的工具,它是一个功能强大的分布式系统,可用于处理大规模的任务并行化,本文将介绍Celery的基本概念、用法和示例代码,帮助读者更好地了解和使用这个库
    2024-01-01
  • python在windows下实现ping操作并接收返回信息的方法

    python在windows下实现ping操作并接收返回信息的方法

    这篇文章主要介绍了python在windows下实现ping操作并接收返回信息的方法,实例分析了Python实现ping操作的技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-03-03
  • python读取.mat文件的数据及实例代码

    python读取.mat文件的数据及实例代码

    这篇文章主要介绍了python读取.mat文件的数据的方法,本文给大家介绍的非常详细,具有一定的参考借鉴价值 ,需要的朋友可以参考下
    2019-07-07
  • Python编写Windows Service服务程序

    Python编写Windows Service服务程序

    这篇文章主要为大家详细介绍了Python编写Windows Service服务程序,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-01-01
  • 亲手教你实现pynq-z2条形码识别功能

    亲手教你实现pynq-z2条形码识别功能

    这篇文章主要介绍了pynq-z2条形码识别功能,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2022-07-07
  • python分析网页上所有超链接的方法

    python分析网页上所有超链接的方法

    这篇文章主要介绍了python分析网页上所有超链接的方法,涉及Python使用urllib模块操作页面超链接的技巧,需要的朋友可以参考下
    2015-05-05
  • Python机器学习NLP自然语言处理基本操作精确分词

    Python机器学习NLP自然语言处理基本操作精确分词

    本文是Python机器学习NLP自然语言处理系列文章,带大家开启一段学习自然语言处理 (NLP) 的旅程. 本文主要学习NLP自然语言处理基本操作之如何精确分词
    2021-09-09
  • 教你如何使用Python selenium

    教你如何使用Python selenium

    今天教大家如何使用Python selenium,本文会以艺龙旅游网为对象,进行selenium的学习,目的:爬取艺龙网中南阳市唐河县的酒店信息,包括:名字,电话,标间价格,地址,介绍,图片,需要的朋友可以参考下
    2021-06-06
  • python入门之Tkinter使用的方法详解

    python入门之Tkinter使用的方法详解

    作为Python开发者,图形用户界面(GUI)开发是必备技能之一,本文将介绍Python自带的GUI工具包TKinter,这篇文章主要给大家介绍了关于python入门之Tkinter使用的相关资料,需要的朋友可以参考下
    2022-03-03

最新评论