Seaborn

2024-04-23 12:08| 来源: 网络整理| 查看: 265

Catalogue 1. 写在前面2. seaborn风格设置2.1. 导入模块2.2. set2.3. set_style2.4. despine2.5. axes_style2.6. set_context3. 调色盘3.1. color_palette3.2. husl_palette3.3. cubehelix_palette3.4. dark_palette / light_palette3.5. diverging_palette3.6. 应用3.6.1. 热力图3.6.2. 风格演示4. 总结

摘要 Seaborn库的使用，包括一些基础风格的参数设置，以及调色盘(各色系的设置)～

写在前面

Matplotlib试着让简单的事情更加简单，困难的事情变得可能，而Seaborn就是让困难的东西更加简单。

实际上，Seaborn 是在matplotlib的基础上进行了更高级的 API 封装，从而使得作图更加容易

用Matplotlib最大的困难是其默认的各种参数，而Seaborn则完全避免了这一问题。

seaborn是针对统计绘图的，一般来说，seaborn能满足数据分析大部分的基本绘图需求，就能做出很具有吸引力的图，如果需要复杂的自定义图形，还是要Matplotlib。

官网：http://seaborn.pydata.org/index.html 安装：直接 pip3 install seaborn 即可 seaborn风格设置

Seaborn模块自带许多定制的主题和高级的接口，包括对图表整体颜色、比例等进行风格设置,包括颜色色板等，调用其系统风格即可实现各种不同风格的数据可视化

导入模块

本文基于jupyter notebook环境，先导入使用到的python模块，并创建一个正弦函数及绘制图表

12345import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns%matplotlib inline 1234567# 创建正弦函数及图表def sinplot(flip = 1): x = np.linspace(0,14,100) for i in range(1,7): plt.plot(x,np.sin(x + i * .5) * (7 - i) * flip)sinplot()

set

set( ) ：通过设置参数可以用来设置背景，调色板等，最为常用。

123456# tips：在jupyter notebook中，一旦设定了风格,所有图表的创建均自动带有风格,重启服务后才会重置为无风格状态# 使用默认设置sns.set()sinplot()plt.grid(linestyle = '--')

set_style

set_style() ：设置主题，即切换seaborn图表风格

Seaborn有五个预设好的主题： darkgrid , whitegrid , dark , white ,和 ticks 默认： darkgrid

12345678910111213141516fig = plt.figure(figsize = (6,6))# whitegrid主题sns.set_style('whitegrid')ax1 = fig.add_subplot(2,1,1)data = np.random.normal(size = (20,6)) + np.arange(6) / 2sns.boxplot(data = data)plt.title('style -- whitegrid')# dark主题sns.set_style('dark')ax2 = fig.add_subplot(2,1,2)sinplot()

despine

despine() ：设置图表坐标轴，可以根据需求将坐标轴的展现与否进行设置，更好的讲故事～

12345678910111213141516171819202122232425262728293031# despine() -- 设置图表坐标轴# sns.despine('fig=None', 'ax=None', 'top=True', 'right=True', 'left=False', 'bottom=False', 'offset=None', 'trim=False')sns.set_style('ticks')fig = plt.figure(figsize = (6,9))plt.subplots_adjust(hspace=0.3)ax1 = fig.add_subplot(3,1,1)sinplot()# 删除上、右坐标轴sns.despine()# 创建小提琴图ax2 = fig.add_subplot(3,1,2)sns.violinplot(data = data)# sns.despine(offset = 10,trim = True)# offset: 与坐标轴之间的偏移# trim：为True时,将坐标轴限制在数据最大值最小值ax3 = fig.add_subplot(3,1,3)sns.boxplot(data = data,palette='deep')# sns.despine(left = True,right = False)# top,right,left,bottom: 布尔型,为True时不显示 1

axes_style

axes_style() ：设置局部图表风格，配合with使用可以很方便的将想要表达的图表更加凸显出来

1234567891011121314# with：只在sns这个图表中设置风格，其他图表风格还是与之前设置的一致# 设置局部图表风格,用with做代码块区分with sns.axes_style('darkgrid'): plt.subplot(211) sinplot()# 设置外部表格风格sns.set_style('whitegrid')plt.subplot(212)sinplot()

set_context

set_context() ：设置显示的比例尺度，方便在不用显示器或不同分辨率下设置不同的显示比例

seaborn内置四种显示比例：‘paper’ ‘notebook’ ‘talk’ ‘poster’，左往右依次变大

1234# 默认为notebooksns.set_context('talk')sinplot()

调色盘 seaborn的调色盘用于对图表整体颜色、比例等进行风格设置,包括颜色色板等调色盘分为三类 Sequential：按顺序渐变的。 - Light colours for low data, dark for high data Diverging：彼此之间差异变化较大的。 - Light colours for mid-range data, low and high contrasting dark colours Qualitative：这个用于最大程度地显示不同类之间的差别。 - Colours designed to give maximum visual difference between classes 一般调用seaborn内置系统风格和简单设置参数即能实现很炫酷的数据可视化 color_palette

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

**palette：None，string或sequence，可选，默认有6种主题：**deep,muted, pastel, bright, dark, colorblind n_colors：颜色个数 desat：每种颜色去饱和的比例 12current_palette = sns.color_palette()sns.palplot(current_palette)

123456# sns.color_palette(pal, size=1)# pal → 颜色风格, size → 颜色色块个数# Reds/Reds_r 代表颜色风格反转(不是所有颜色都可以反转)sns.palplot(sns.color_palette('hls',8))

123# 分组颜色设置 - 'Paired'sns.palplot(sns.color_palette('Paired',8))

husl_palette

设置亮度和饱和度

1234567# 设置亮度、饱和度# 1、husl_palette([n_colors,h,s,l])# 2、hls_palette([n_colors,h,s,l])# l - 亮度、s - 饱和度sns.palplot(sns.hls_palette(8,l = .7,s =1))

cubehelix_palette

按照线性增长计算,设置颜色

123456789101112131415# sns.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')sns.palplot(sns.cubehelix_palette(8,gamma = 2))sns.palplot(sns.cubehelix_palette(8,start = 1.2,rot = -.5))sns.palplot(sns.cubehelix_palette(8,start = 2,rot = 0,dark = 0,light = .95,reverse = True))# 参数解析：# n_colors：颜色个数# start：值区间在0 - 3 , 开始颜色# rot：颜色旋转角度# gamma：颜色伽马值,值越大颜色越暗# dark,light：值区间在0 - 1,颜色深浅# reverse：布尔值,默认为False,由浅到深

dark_palette / light_palette 深色/浅色调色板 seaborn.dark_palette（color，n_colors =6，reverse =False，as_cmap = False，input =‘rgb’） color ：高值的颜色 n_colors ：颜色个数 reverse ：默认为False as_cmap ：如果为True，则返回matplotlib colormap；为False，则返回list input：{‘rgb’，‘hls’，‘husl’，‘xkcd’} 12345678910111213141516# dark_palette() / light_palette()# 按照green做浅色调色盘sns.palplot(sns.light_palette('green'))# 按照green做深色调色盘sns.palplot(sns.dark_palette('green',reverse = True))# 设置cmap为Greens风格sns.palplot(sns.color_palette('Greens'))# reverse → 转制颜色sns.palplot(sns.color_palette('Greens_r'))

diverging_palette

diverging_palette ：创建分散颜色

1234567891011121314# 创建分散颜色# sns.diverging_palette('h_neg', 'h_pos', 's=75', 'l=50', 'sep=10', 'n=6', # "center='light'", 'as_cmap=False')sns.palplot(sns.diverging_palette(145,280,s = 85,l = 25,n = 7))# 参数解析:# h_neg, h_pos：起始/终止颜色值# s ：值区间0 - 100,饱和度# l ：值区间0 - 100,亮度# n ：颜色个数# center ：中心颜色为浅色还是深色'light' , 'dark' ,默认为light

应用热力图 12345678# 例子plt.figure(figsize = (12,8))x = np.arange(25).reshape(5,5)cmap = sns.diverging_palette(200,20,sep = 20,as_cmap = True)sns.heatmap(x,cmap=cmap)# heatmap : 热力图

风格演示 123456789sns.set_style('whitegrid')with sns.color_palette('PuBuGn_d'): plt.subplot(211) sinplot()sns.set_palette('husl')plt.subplot(212)sinplot()

总结

本文介绍了python的绘图模块seaborn的基础认知，也就是绘图的基础风格设置与调色盘的基础知识，感谢阅读

本文版权归作者所有，欢迎转载，转载请注明出处和链接来源。

【本文地址】

公司简介

联系我们