5-3 FacetGrid与调色盘

FacetGrid结构图

之前我们在绘图的时候，学了relplot、catplot、lmpot等，这些函数可以通过col、row等在一个Figure中绘制多个图。这些函数之所以有这些功能，是因为他们底层使用了FacetGrid来组装这些图形。

Axes绘图

实际上seaborn的绘图函数中也有大量的直接使用Axes进行绘图的，凡是函数名中已经明确显示了这个图的类型，这种图都是使用Axes绘图的。比如sns.scatterplot、sns.lineplot、sns.barplot等。Axes绘图可以直接使用之前matplotlib的一些方式设置图的元素。

fig,ax = plt.subplots(1,2,figsize=(20,5))
sns.scatterplot(x="total_bill",y="tip",data=tips,ax=ax[0])
sns.barplot(x="day",y="total_bill",data=tips,ax=ax[1])

注意

• 凡是函数名中已经明确了图的类型，都是直接使用Axes进行绘图。构建子图需结合matplotlib
• 直接使用Axes绘图，参数更加灵活（可以使用标签索引或字符串）
• relplot/catplot/lmplot等函数都是用FacetGrid方法技术
• FaceGrid可以通过col和row等参数来一次性构建多个图形
• FacetGrid绘图的x和y参数，必须为DataFrame的列的名字（字符串）

FacetGrid使用

• 先创建一个FacetGrid对象
• 再调用这个对象的map方法
• map的第一个参数是函数
• 后续map通过调用该函数绘制图形
• 后面的参数是传给函数的参数

tips = sns.load_dataset("tips")
g = sns.FacetGrid(tips)
g.map(plt.scatter,"total_bill","tip")

其中第一个参数是可以绘制Axes图，并且可以接收color参数的函数。

参数	描述	FacetGrid函数
plt.plot/sns.lineplot	绘制折线图	sns.relplot(kind=“line”)
plt.hexbin	绘制六边形图形	sns.jointplot(kind=“hex”)
plt.scatter/sns.scatterplot	绘制散点图	sns.relplot(kind=“scatter”)
plt.hist	绘制直方图	sns.distplot
sns.stripplot	绘制分类散点图	sns.catplot(kind=“strip”)
sns.swarmplot	散开来的分类散点图	sns.catplot(kind=“swarm”)
sns.violinplot	绘制小提琴图	sns.catplot(kind=“violin”)
sns.pointplot	绘制点线图	sns.catplot(kind=“point”)
sns.barplot	绘制条形图	sns.catplot(kind=“bar”)
sns.countplot	绘制数量柱状图	sns.catplot(kind=“count”)
sns.regplot	带有回归线的散点图	sns.lmplot

设置图形的尺寸

使用FacetGrid绘制出图形后，有时候我们想设置每个图形的尺寸或者是宽高比，那么我们可以通过在FacetGrid中设置height和aspect来实现，其中height表示的是每个图形的尺寸（默认是宽高一致），aspect表示的是宽度/高度的比例。

g = sns.FacetGrid(tips,col="day",row="time",height=10,aspect=2)
g.map(sns.regplot,"total_bill","tip")

设置图例

默认情况下，不会添加图例，我们可以通过g.add_legend()来添加图例。

g = sns.FacetGrid(tips,col="day",hue="time")
g.map(sns.regplot,"total_bill","tip")
g.add_legend()

注意：

• 通过title来控制图例的标题。
• 通过label_order来控制图例元素的顺序。

sns.set(rc={"font.sans-serif":"simhei"})
g3 = sns.FacetGrid(tips,col="day",hue="time")
g3.map(plt.scatter,"total_bill","tip")
new_labels = ['午餐','晚餐']
g3.add_legend(title="时间")
for t,l in zip(g3._legend.texts,new_labels):
	t,set_text(1)

设置标题

设置标题可以通过g.set_titles(template=None,row_template=None,col_templat=None)实现，这三个参数分别代表的意义如下：

1. template：给图设置标题，其中{row_var}：绘制每行图像的名称，{row_name}：绘制每行图像的值，{col_var}：绘制每列图像的名称，{col_name}：绘制每列图像的值这几个参数可以使用。
2. col_template：给图像设置列的标题。其中{col_var}以及{col_name}可以使用。
3. row_template：给图像设置行标题。其中有{row_var}以及{row_nane}可以使用。

g = sns.FacetGrid(tips,col="day",row="time")
g.map(sns.regplot,"total_bill","tip")
g.set_titles(template="时间{row_name}/星期{col_name}")

设置坐标轴

g.set_axis_labels(x_var,y_var)：一次性设置x和y的坐标的标题。

g.set(xticks=range(0,60,10),xticklabels=['0rmb','10rmb','20rmb','30rmb','40rmb','50rmb'])

Seaborn样式风格设置

用seaborn绘图，比直接使用matplotlib绘图更加的美观。原因就是因为seaborn中已经将一些属性的样式进行了调整。我们可以直接使用，也可以修改他的样式。

风格设置参数

在seaborn中，可以通过三个函数来设置样式。分别是sns.set_style、sns.axes_style以及sns.set方法。

sns.axes_style

• 如果没有传任何参数 返回的是字段属性
• 临时的样式

with sns.axes_style("dark",{"ytick.left":True}):
    sns.scatterplot(x="total_bill",y="tip",data=tips)

sns.set_style()

这个函数跟sns.axes_style一样，也是用来设置绘图风格。但是这个函数的风格设置，不是临时的，而是一旦设置了，那么下面的所有绘图都是用这个风格。

sns.set_style("darkgrid")
sns.scatterplot(x="total_bill",y="tip",data=tips)

sns.set

set方法也是用来设置样式的，他的功能更加强大。除了style以外，还可以设置调色板，字体，字体大小，颜色等，也可以设置其他的matplotlib.rcParams可以接收的参数。

sns.set(rc={"lines.linewidth":4})
fmri = sns.load_dataset("fmri")
sns.lineplot(x="timepoint",y="signal",data=fmri)

调色盘设置

seaborn可以非常迅速的做出优美的图形，其中就应该得力于他的调色盘机制。seaborn根据应用场景提供了三种不同类型的调色盘：定性的、连续的、发散的。

定性调色盘

定性调色盘。一般在数据不连续，比较离散，想体现分类的情况下使用。

默认调色盘

在seaborn中，默认情况下就设置了一些颜色供绘图使用。使用sns.color_palette即可获取。并且我们可以通过sns.palplot来绘制调色盘。

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

默认的调色盘有10中颜色。这些颜色都有6中风格。分别是：deep，muted，pastel， bright，dark，colorblind。这几种风格的颜色不变，主要调整的是亮度和饱和度。

hls圆形颜色系统

hls圆形颜色系统是颜色按照顺序，经过偏移，无缝形成一个圆形。我们在使用这个调色盘的时候，可以指定需要使用多少种颜色。

sns.palplot(sns.color_palette("hls",20))

也可以使用另外一个函数sns.hls_palette(n_colors=6, h=0.01, l=0.6, s=0.65)来实现。这个函数可以传递更多的参数。比如我们可以通过更改hue来更改开始的颜色，通过更改l来调整亮度，通过更改s来调整饱和度。

sns.palplot(sns.hls_palette(10,h=0.4,l=0.4,s=0.5))

另外也可以通过sns.husl_palette来实现色系的调整，这个方法比sns.hls_palette亮度和饱和度更加的均匀。

sns.palplot(sns.husl_palette(10))

分类颜色

分类颜色是seaborn已经提前给你定义了一些颜色，使用这些颜色在做分类分组的时候可以按照自己的需求选择。

sns.palplot(sns.color_palette("Paired"))

关于分类的颜色选择，可以通过sns.choose_colorbrewer_palette("qualitative")来查看。这个方法只能用在jupyter notebook中。可以选择不同的样式，然后还可以调节饱和度等。

用xkcd颜色

xkcd是一个漫画名称或者是工作室。xkcd开展了一项众包活动，为随机的RGB颜色命名。这产生了一组954种命名颜色。我们可以从sns.xkcd_palette里面提取颜色。提取到后，如果想要用在palette参数中，那么还需要放到sns.xkcd_palette中。所有的xkcd颜色的名称可以参考官网：https://xkcd.com/color/rgb/。

# 获取名字为blue green的颜色
print(sns.xkcd_rgb["blue green"])
# 用xkcd的颜色名称构建一个palette对象
colors = ["windows blue", "amber", "greyish", "faded green", "dusty purple"]
sns.palplot(sns.xkcd_palette(colors))

连续的颜色盘

有时候我们绘图的时候，想要使用一个同种色系，但是不同深浅，这时候就可以使用连续的颜色盘。

sns.palplot(sns.color_palette("Blues"))

默认颜色是从浅入深，如果想要从深变浅，那么可以在色系后加一个_r。

sns.palplot(sns.color_palette("Blues_r"))

我们也可以通过sns.choose_colorbrewer_palette("sequential")查看有哪些色系可供选择。

离散的色盘

离散的色盘，是两边的颜色逐渐加深，中间的颜色最淡。或者是中间的颜色最深，两边的颜色最淡。一般离散的色盘可以用于比如温度，零度以上可以用红色表示，零度以下用蓝色表示。越红的地方，表示温度越高，越蓝的地方，表示温度越低。

values = [12,15,17,18,-5,-10]
with sns.color_palette("RdBu_r"):
    sns.barplot([1,2,3,4,5,6],sorted(values))

也可以通过sns.choose_colorbrewer_palette("diverging")查看离散的色盘有哪些可以选择。

官方文档

https://seaborn.pydata.org/tutorial/color_palettes.html