pythonseaborn调色板教学（第二章Pythonseaborn之调色板）

1、系统默认调色板

1 import seaborn as sns 2 import matplotlib.pyplot as plt 3 4 # 设置画布的大小 5 sns.set(context="notebook", # 缩放绘图元素 6 style="darkgrid", # 灰色网格 7 palette="deep", # 可取值为deep, muted, bright, pastel, dark, colorblind 8 font="sans-serif", # 字体 9 font_scale=1, # 缩放字体的大小 10 color_codes=True, 11 rc={"figure.figsize":(6,6)}) 12 13 # 调用系统调色板 14 color_p = sns.color_palette(palette=None, # 调色板 15 n_colors=None, # 调色板中的颜色数，默认为6 16 desat=None) # 每种颜色去饱和的比例。 17 18 # 将颜色调色板中的color_p作为水平数组绘制出调色板 19 sns.palplot(color_p, # 绘制系统调色板 20 size=1) # 绘图大小的比例因子 21 22 plt.show()

2、自定义调色板

1 import seaborn as sns 2 import matplotlib.pyplot as plt 3 4 # 设置画布的大小 5 sns.set(context="notebook", # 缩放绘图元素 6 style="darkgrid", # 灰色网格 7 palette="deep", # 可取值为deep, muted, bright, pastel, dark, colorblind 8 font="sans-serif", # 字体 9 font_scale=1, # 缩放字体的大小 10 color_codes=True, 11 rc={"figure.figsize":(6,6)}) # 设置画布大小 12 13 # 调用系统调色板 14 color_p = sns.color_palette(palette="hls", # 自定义调色板 15 n_colors=12, # 调色板中的颜色数为12 16 desat=None) # 每种颜色去饱和的比例。 17 18 # 将颜色调色板中的color_p作为水平数组绘制出调色板 19 sns.palplot(color_p, # 绘制系统调色板 20 size=1) # 绘图大小的比例因子 21 22 plt.show()

3、连续调色板

当color_p = sns.color_palette(palette="Blues")时：

当color_p = sns.color_palette(palette="Blues_r")时：

4、发散调色板

当color_p = sns.color_palette(palette="BrBG",n_colors=7)时

5、线性调色板

1 import seaborn as sns 2 import matplotlib.pyplot as plt 3 sns.palplot(sns.color_palette("cubehelix",8)) 4 plt.show()

6、变换色板

1 import seaborn as sns 2 import matplotlib.pyplot as plt 3 4 # 八个色彩，start螺旋开始的色相，rot螺旋终止的色相 5 sns.palplot(sns.cubehelix_palette(n_colors=8,start=0.75,rot=-0.15)) 6 plt.show()

7、xkcd_palette调用xkcd_rgb当中的颜色

1 import seaborn as sns 2 import matplotlib.pyplot as plt 3 4 # 颜色可以从sns.xkcd_rgb查看 5 color_arr = ['windows blue','amber','greyish','faded green','dusty purple'] 6 7 # xkcd_palette调色板调用color_arr内的颜色 8 xkcd_arr = sns.xkcd_palette(colors=color_arr) 9 10 # 将颜色调色板当中的值xkcd_arr作为水平数组绘制出调色板 11 sns.palplot(xkcd_arr) 12 plt.show()

8、颜色对儿

当color_p = sns.color_palette(palette="Paired",n_colors=8)时：

9、渐变调色板

1 import numpy 2 import seaborn as sns 3 import matplotlib.pyplot as plt 4 5 # 从多元正态分布当中抽取随机样本（参数：均值，方差；300个随机正太分布样本） T表示转置 6 x,y = numpy.random.multivariate_normal([0,0],[[1,-5],[-5,1]],size=300).T 7 8 # 深色调色板， as_cmap参数用来更改显示的颜色范围是离散的还是连续的，True为连续，FALSE为离散 9 pal = sns.dark_palette(color="green",as_cmap=True) 10 11 # 绘制核密度估计图（等高线图） 12 sns.kdeplot(x,y,cmap=pal) 13 plt.show()

10、导入调色板

1 import seaborn as sns 2 import numpy 3 import matplotlib.pyplot as plt 4 # 设置画布的大小 5 sns.set(context="notebook", # 缩放绘图元素 6 style="darkgrid", # 灰色网格 7 palette="deep", # 可取值为deep, muted, bright, pastel, dark, colorblind 8 font="sans-serif", # 字体 9 font_scale=1, # 缩放字体的大小 10 color_codes=True, 11 rc={"figure.figsize":(6,6)}) # 设置画布大小 12 13 # 创建数据组，normal是从正态分布当中抽取20*8的矩阵 14 arr = numpy.random.normal(size=(20,8)) numpy.arange(0,8,8)/2 15 16 # 绘制箱线图，并导入调色板 17 sns.boxplot(data=arr,palette=sns.color_palette("hls",8)) 18 19 plt.show()

11、亮度和饱和度

1 import seaborn as sns 2 import numpy 3 import matplotlib.pyplot as plt 4 # 设置画布的大小 5 sns.set(context="notebook", # 缩放绘图元素 6 style="darkgrid", # 灰色网格 7 palette="deep", # 可取值为deep, muted, bright, pastel, dark, colorblind 8 font="sans-serif", # 字体 9 font_scale=1, # 缩放字体的大小 10 color_codes=True, 11 rc={"figure.figsize":(6,6)}) # 设置画布大小 12 13 # 创建数据组，normal是从正态分布当中抽取20*8的矩阵 14 arr = numpy.random.normal(size=(20,8)) numpy.arange(0,8,8)/2 15 16 # 绘制箱线图，并导入调色板,l=0.3,s=0.8分别为亮度和饱和度 17 sns.boxplot(data=arr,palette=sns.hls_palette(n_colors=8,l=0.3,s=0.8)) 18 19 plt.show()

12、颜色对儿

1 import seaborn as sns 2 import numpy 3 import matplotlib.pyplot as plt 4 # 设置画布的大小 5 sns.set(context="notebook", # 缩放绘图元素 6 style="darkgrid", # 灰色网格 7 palette="deep", # 可取值为deep, muted, bright, pastel, dark, colorblind 8 font="sans-serif", # 字体 9 font_scale=1, # 缩放字体的大小 10 color_codes=True, 11 rc={"figure.figsize":(6,6)}) # 设置画布大小 12 13 # 创建数据组，normal是从正态分布当中抽取20*8的矩阵 14 arr = numpy.random.normal(size=(20,8)) numpy.arange(0,8,8)/2 15 16 # 绘制箱线图，并导入调色板,Paired为颜色对儿（颜色相近为一对儿） 17 sns.boxplot(data=arr,palette=sns.color_palette(palette="Paired",n_colors=8)) 18 19 plt.show()