综述

学生党整理一些关于数据分析的知识：主要包括了调色板color设置，优化颜色使图片更加美观。主要包括了离散型颜色设置和连续型颜色设置、颜色亮度及饱和度、颜色对比、使用xkcd选取颜色和RGB颜色区域编号选取颜色等。

代码模块

调用库

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

调色板

主要使用以下几个函数设置颜色：
color_palette() 能传入任何Matplotlib所有支持的颜色
color_palette() 不写参数则默认颜色
set_palette() 设置所有图的颜色

分类色板（离散）

系统默认给出颜色

current_palette = sns.color_palette()
sns.palplot(current_palette)
plt.show()

将颜色空间均匀找出8个颜色

sns.palplot(sns.color_palette("hls",8))
plt.show()

颜色空间找出8个颜色，在使用到数据中

data = np.random.normal(size=(20,8)) + np.arange(8) / 2
sns.boxplot(data=data,palette=sns.color_palette("hls",8))
plt.show()

颜色的亮度及饱和度

l-光度 lightness
s-饱和 saturation

sns.palplot(sns.hls_palette(8,l=.7,s=.9))
plt.show()

颜色对比

颜色分布对比，以颜色对输出，主要使用在两个变量同一属性的对比上（例如：计划生育10年的人口变化曲线和全面二孩10年的人口变化曲线）

sns.palplot(sns.color_palette("Paired",10))
plt.show()

palplot(sns.color_palette(“Paired”,颜色总个数)

xkcd选取颜色

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xkcd_rgb字典中调用的命名颜色

plt.plot([0,1],[0,1],sns.xkcd_rgb['pale red'],lw = 3) #lw = 线宽度
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)
plt.show()

xkcd_rgb[‘color_name’]中包含的颜色

连续色板（连续）

色彩随数据连续变换，数据越大颜色越深（例如：温度图）

sns.palplot(sns.color_palette("Blues"))
plt.show()

颜色增亮：color_palette用light_palette替换

sns.palplot(sns.light_palette("Blue")) #亮
plt.show()

颜色数据越大颜色越浅 颜色后面加_r

sns.palplot(sns.color_palette("BuGn_r"))
plt.show()

颜色加深：color_palette用dark_palette替换

sns.palplot(sns.dark_palette("purple"))    #深
plt.show()

cubehelix_palette调色板

cubehelix_palette调色板 颜色可以线性变化
所有颜色区域的线性变化

sns.palplot(sns.color_palette('cubehelix',8))
plt.show()

指定颜色区域范围

sns.palplot(sns.cubehelix_palette(8,start=.5,rot=-.75))
plt.show()

sns.palplot(sns.cubehelix_palette(8,start=.75,rot=-.150))
plt.show()

等高图区域颜色渐变

x,  y = np.random.multivariate_normal([0,0],[[1,-.5],[-.5,1]], size= 300).T
pal = sns.dark_palette("green",as_cmap=True)
sns.kdeplot(x, y,cmap = pal)
plt.show()

RGB值选取颜色

sns.palplot(sns.light_palette((210,90,60),input='husl')) #亮
plt.show()

小结

本章介绍了一些色彩设置，在之后的几章内容更深入的整理一些seaborn库在数据分析绘图上的功能和分析操作。