Seaborn - จานสี

สีมีบทบาทสำคัญกว่าด้านอื่น ๆ ในการแสดงภาพ เมื่อใช้อย่างมีประสิทธิภาพสีจะเพิ่มมูลค่าให้กับพล็อตมากขึ้น จานสีหมายถึงพื้นผิวเรียบที่จิตรกรจัดเรียงและผสมสี

การสร้างจานสี

Seaborn มีฟังก์ชันที่เรียกว่า color_palette()ซึ่งสามารถใช้เพื่อเพิ่มสีสันให้กับแปลงและเพิ่มคุณค่าทางสุนทรียะให้กับมันได้

การใช้งาน

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

พารามิเตอร์

ตารางต่อไปนี้แสดงรายการพารามิเตอร์สำหรับการสร้างจานสี -

ซีเนียร์	Palatte และคำอธิบาย
1	n_colors จำนวนสีในจานสี หากไม่มีค่าเริ่มต้นจะขึ้นอยู่กับวิธีการระบุจานสี ตามค่าเริ่มต้นค่าของn_colors มี 6 สี
2	desat สัดส่วนที่จะไม่อิ่มตัวแต่ละสี

กลับ

Return หมายถึงรายการสิ่งที่เพิ่มขึ้น RGB ต่อไปนี้เป็นจานสี Seaborn ที่หาซื้อได้ง่าย -

• Deep
• Muted
• Bright
• Pastel
• Dark
• Colorblind

นอกจากนี้ยังสามารถสร้างจานสีใหม่

เป็นการยากที่จะตัดสินใจว่าควรใช้จานสีใดสำหรับชุดข้อมูลที่กำหนดโดยไม่ทราบลักษณะของข้อมูล เมื่อตระหนักถึงเรื่องนี้เราจะแบ่งประเภทของวิธีการใช้งานต่างๆcolor_palette() ประเภท -

• qualitative
• sequential
• diverging

เรามีฟังก์ชั่นอื่น seaborn.palplot()ซึ่งเกี่ยวข้องกับจานสี ฟังก์ชันนี้จะพล็อตจานสีเป็นอาร์เรย์แนวนอน เราจะทราบข้อมูลเพิ่มเติมเกี่ยวกับseaborn.palplot() ในตัวอย่างต่อไป

จานสีเชิงคุณภาพ

จานสีเชิงคุณภาพหรือเชิงหมวดหมู่เหมาะสมที่สุดในการพล็อตข้อมูลเชิงหมวดหมู่

ตัวอย่าง

from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(current_palette)
plt.show()

เอาต์พุต

เราไม่ได้ส่งผ่านพารามิเตอร์ใด ๆ ใน color_palette();โดยค่าเริ่มต้นเราจะเห็น 6 สี คุณสามารถดูจำนวนสีที่ต้องการได้โดยส่งค่าไปที่ไฟล์n_colorsพารามิเตอร์. ที่นี่palplot() ใช้เพื่อพล็อตอาร์เรย์ของสีในแนวนอน

จานสีตามลำดับ

พล็อตแบบลำดับเหมาะสำหรับการแสดงการกระจายของข้อมูลตั้งแต่ค่าต่ำกว่าสัมพัทธ์ไปจนถึงค่าที่สูงกว่าภายในช่วง

การเพิ่มอักขระเพิ่มเติมเข้ากับสีที่ส่งผ่านไปยังพารามิเตอร์สีจะพล็อตพล็อตตามลำดับ

ตัวอย่าง

from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(sb.color_palette("Greens"))
plt.show()

Note −เราจำเป็นต้องต่อท้าย 's' กับพารามิเตอร์เช่น 'Greens' ในตัวอย่างด้านบน

การเปลี่ยนจานสี

การเปลี่ยนจานสีใช้สองสีที่แตกต่างกัน แต่ละสีแสดงถึงความแปรผันของค่าตั้งแต่จุดร่วมในทิศทางใดทิศทางหนึ่ง

สมมติว่าการพล็อตข้อมูลตั้งแต่ -1 ถึง 1 ค่าตั้งแต่ -1 ถึง 0 ใช้สีเดียวและ 0 ถึง +1 ใช้สีอื่น

โดยค่าเริ่มต้นค่าจะอยู่กึ่งกลางจากศูนย์ คุณสามารถควบคุมได้ด้วยศูนย์พารามิเตอร์โดยการส่งผ่านค่า

ตัวอย่าง

from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(sb.color_palette("BrBG", 7))
plt.show()

เอาต์พุต

การตั้งค่าจานสีเริ่มต้น

ฟังก์ชั่น color_palette() มีเพื่อนที่เรียกว่า set_palette()ความสัมพันธ์ระหว่างพวกเขาคล้ายกับคู่ที่กล่าวถึงในบทสุนทรียศาสตร์ อาร์กิวเมนต์จะเหมือนกันสำหรับทั้งสองอย่างset_palette() และ color_palette(), แต่พารามิเตอร์ Matplotlib ดีฟอลต์มีการเปลี่ยนแปลงเพื่อให้ใช้จานสีสำหรับพล็อตทั้งหมด

ตัวอย่าง

import numpy as np
from matplotlib import pyplot as plt
def sinplot(flip = 1):
   x = np.linspace(0, 14, 100)
   for i in range(1, 5):
      plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)

import seaborn as sb
sb.set_style("white")
sb.set_palette("husl")
sinplot()
plt.show()

เอาต์พุต

การพล็อตการกระจาย Univariate

การกระจายข้อมูลเป็นสิ่งสำคัญที่สุดที่เราต้องเข้าใจในขณะที่วิเคราะห์ข้อมูล ที่นี่เราจะดูว่าทะเลบอร์นช่วยเราในการทำความเข้าใจการกระจายข้อมูลที่ไม่แปรผันได้อย่างไร

ฟังก์ชัน distplot()เป็นวิธีที่สะดวกที่สุดในการดูการกระจายแบบ Univariate อย่างรวดเร็ว ฟังก์ชันนี้จะลงจุดฮิสโตแกรมที่เหมาะกับการประมาณความหนาแน่นของเคอร์เนลของข้อมูล

การใช้งาน

seaborn.distplot()

พารามิเตอร์

ตารางต่อไปนี้แสดงรายการพารามิเตอร์และคำอธิบาย -

ซีเนียร์	พารามิเตอร์และคำอธิบาย
1	data ซีรี่ส์อาร์เรย์ 1d หรือรายการ
2	bins ข้อมูลจำเพาะของถังขยะ
3	hist บูล
4	kde บูล

สิ่งเหล่านี้เป็นพารามิเตอร์พื้นฐานและสำคัญที่ต้องพิจารณา