python调色

#!/usr/bin/env python
# coding: utf-8

# In[98]:


# import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(rc={"figure.figsize": (6, 6)})
np.random.seed(sum(map(ord, "palettes")))
sns.color_palette() 


# color_palette函数可以接受任何seaborn或者matplotlib颜色表中颜色名称（除了jet），也可以接受任何有效的 matplolib 形式的颜色列表（比如RGB元组，hex颜色代码，或者HTML颜色名称）。
# 这个函数的返回值总是一个由RGB元组组成的列表，无参数调用color_palette函数则会返回当前默认的色环的列表，比如：
# 
# 还有一个相应的函数，是set_palette，它接受与color_palette一样的参数，并会对所有的绘图的默认色环进行设置。当然，你也可以在with语句中使用color_palette来临时的改变默认颜色。
# 
# 
# 1. 分类色板（qualitative）
# Qualitative调色板，也可以说成是 分类 调色板，因为它对于分类数据的显示很有帮助。当你想要区别 "不连续的且内在没有顺序关系的 数据时"，这个方式是最好的。
# 
# 当导入seaborn时，默认的色环就被改变成一组包含6种颜色的调色板，它使用了标准的matplolib色环，为了让绘图变得更好看一些。

# In[63]:


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


# 有6种不同的默认主题，它们分别是：deep，muted，pastel，birght，dark，colorblind。

# In[64]:


themes = ['deep', 'muted', 'pastel', 'bright', 'dark', 'colorblind']
for theme in themes:
    current_palette = sns.color_palette(theme)
    sns.palplot(current_palette)


# 使用色圈系统
# 默认的6种颜色看上去真不错，但是如果我们想要超过6种颜色呢？
# 
# 当你有超过6种类型的数据要区分时，最简单的方法就是 在一个色圈空间内使用均匀分布的颜色。这也是当需要使用更多颜色时大多数seaborn函数的默认方式。
# 
# 最常用的方法就是使用 hls 色空间，它是一种简单的RGB值的转换。

# In[65]:


sns.palplot(sns.color_palette("hls", 22))


# 除此之外，还有一个 hls_palette 函数，它可以让你控制 hls 颜色的亮度和饱和度。

# In[66]:


sns.palplot(sns.hls_palette(8, l=.5, s=.9))


# 然而，由于人类视觉系统工作的原因，根据RGB颜色产生的平均视觉强度的颜色，从视觉上看起来并不是相同的强度。如果你观察仔细，就会察觉到，黄色和绿色会更亮一些，而蓝色则相