Seaborn - Bảng màu

Màu sắc đóng một vai trò quan trọng hơn bất kỳ khía cạnh nào khác trong hình dung. Khi được sử dụng hiệu quả, màu sắc sẽ tăng thêm giá trị cho cốt truyện. Bảng màu có nghĩa là một bề mặt phẳng, trên đó họa sĩ sắp xếp và trộn các loại sơn.

Bảng màu tòa nhà

Seaborn cung cấp một hàm được gọi là color_palette(), có thể được sử dụng để tạo màu sắc cho các ô và tăng thêm giá trị thẩm mỹ cho nó.

Sử dụng

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

Tham số

Bảng sau liệt kê các thông số để xây dựng bảng màu:

Sr.No.	Palatte & Mô tả
1	n_colors Số lượng màu trong bảng màu. Nếu Không, giá trị mặc định sẽ phụ thuộc vào cách chỉ định bảng màu. Theo mặc định, giá trị củan_colors là 6 màu.
2	desat Tỷ lệ để khử bão hòa từng màu.

Trở về

Return đề cập đến danh sách các bộ giá trị RGB. Sau đây là các bảng màu Seaborn có sẵn -

Deep
Muted
Bright
Pastel
Dark
Colorblind

Bên cạnh những thứ này, người ta cũng có thể tạo bảng màu mới

Thật khó để quyết định bảng màu nào nên được sử dụng cho một tập dữ liệu nhất định nếu không biết các đặc điểm của dữ liệu. Nhận thức được điều đó, chúng tôi sẽ phân loại các cách khác nhau để sử dụngcolor_palette() các loại -

qualitative
sequential
diverging

Chúng tôi có một chức năng khác seaborn.palplot()liên quan đến bảng màu. Hàm này vẽ bảng màu dưới dạng mảng ngang. Chúng tôi sẽ biết thêm vềseaborn.palplot() trong các ví dụ sắp tới.

Bảng màu định tính

Các bảng phân loại hoặc định tính phù hợp nhất để vẽ dữ liệu phân loại.

Thí dụ

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

Đầu ra

Chúng tôi chưa chuyển bất kỳ thông số nào vào color_palette();theo mặc định, chúng tôi đang thấy 6 màu. Bạn có thể thấy số lượng màu mong muốn bằng cách chuyển một giá trị chon_colorstham số. Đây,palplot() được sử dụng để vẽ các mảng màu theo chiều ngang.

Bảng màu tuần tự

Biểu đồ tuần tự phù hợp để thể hiện sự phân bố dữ liệu từ giá trị tương đối thấp hơn đến giá trị cao hơn trong một phạm vi.

Việc thêm một ký tự bổ sung vào màu được truyền vào tham số màu sẽ vẽ biểu đồ Tuần tự.

Thí dụ

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

Note −Chúng ta cần thêm 's' vào tham số như 'Greens' trong ví dụ trên.

Bảng màu phân kỳ

Bảng phân kỳ sử dụng hai màu khác nhau. Mỗi màu đại diện cho sự thay đổi về giá trị từ một điểm chung theo một trong hai hướng.

Giả sử vẽ dữ liệu từ -1 đến 1. Các giá trị từ -1 đến 0 có một màu và 0 đến +1 có màu khác.

Theo mặc định, các giá trị được căn giữa từ 0. Bạn có thể kiểm soát nó với trung tâm tham số bằng cách chuyển một giá trị.

Thí dụ

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

Đầu ra

Đặt bảng màu mặc định

Chức năng color_palette() có một người bạn đồng hành được gọi là set_palette()Mối quan hệ giữa chúng tương tự như các cặp được đề cập trong chương mỹ học. Các đối số giống nhau cho cả haiset_palette() và color_palette(), nhưng các tham số Matplotlib mặc định được thay đổi để bảng màu được sử dụng cho tất cả các ô.

Thí dụ

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()

Đầu ra

Lập kế hoạch phân phối đơn biến

Phân phối dữ liệu là điều quan trọng nhất mà chúng ta cần hiểu trong khi phân tích dữ liệu. Ở đây, chúng ta sẽ thấy cách seaborn giúp chúng ta hiểu được sự phân phối đơn biến của dữ liệu.

Chức năng distplot()cung cấp cách thuận tiện nhất để xem nhanh phân phối đơn biến. Hàm này sẽ vẽ một biểu đồ phù hợp với ước tính mật độ nhân của dữ liệu.