Python中seaborn调色盘的示例分析

这篇文章主要为大家展示了“Python中seaborn调色盘的示例分析”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“Python中seaborn调色盘的示例分析”这篇文章吧。

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 snsimport matplotlib.pyplot as pltplt.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_colorssns.palplot(sns.color_palette(n_colors=21))#返回颜色种类，超过了自动循环

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

#withplt.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_paletteflatui = ["#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：

deep, muted, pastel, bright, dark, colorblind

hls

husl

palettable 5、xkcd

传入颜色list

#deep, muted, pastel, bright, dark, colorblindfor 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colormapsns.palplot(sns.color_palette(palette=palettable.scientific.sequential.Nuuk_7.mpl_colors))

#xkcdplt.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

"Blues"这类

'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)

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"))

# cubehelixsns.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_palettesns.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.

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"))

以上是“Python中seaborn调色盘的示例分析”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注编程网行业资讯频道！