matplotlib和seaborn中的颜色图(colormap)和调色板(color palette)

颜色图或调色板是指一系列的有规律的颜色的集合，可以区分不同类型的离散数据或不同值的连续数据。一般在matplotlib中称为colormap(在绘图函数中的关键字为cmap),在seaborn中一般称为color palette(在绘图函数中的关键字为palette)。由于seaborn是基于matplotlib开发的，因此matplotlib中的各类colormap一般seaborn均支持。
为统一起见，下文统称为palette或调色板。

调色板一般分为三类：

• 离散型(qualitative)：用来表示没有顺序关系的不同数据
• 连续型(sequential)：用来表示有序关系的连续数据
• 连续双边型(diverging)：类似连续型，但数据的分布会跨越一个中间点(一般为0)，在表示数据的特征时用来强调值在两端的数据，弱化值在中间的数据

下文分别列出各类常用的调色板若干。

import seaborn as sns

离散型

seaborn库自带的调色板

sns.color_palette()

seaborn除了默认的调色板外，自带了"deep", “muted”, “pastel”, “bright”, “dark”, "colorblind"等6种调色板

sns.color_palette("deep")

pallettes = ["deep", "muted", "pastel", "bright", "dark", "colorblind"]
data = np.array([sns.color_palette(pat) for pat in pallettes])
fig = plt.figure(figsize=(9,16))
ax = fig.add_subplot(111)
ax.imshow(data)
for i, pat in enumerate(pallettes):
    ax.text(-0.6, i, pat, ha="right")
plt.axis("off");

# 示例
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

col1 = ["A"]*5 + ["B"]*5
col2 = list("abcde")*2
val = np.random.rand(10)
df = pd.DataFrame({"col1":col1, "col2":col2, "val":val})
df

fig = plt.figure(figsize=(8,8))
fig.subplots_adjust(wspace=0.1, hspace=0.25)
for i, palette in enumerate(["deep", "muted", "bright", "dark"]):
    ax = fig.add_subplot(2, 2, i+1)
    sns.barplot(x="col2", y="val", hue="col1", data=df, ax=ax, palette=palette)
    ax.set_title(palette)

自定义调色板

可利用hls(色相、亮度、饱和度)颜色空间自定义任意数量颜色的调色板

sns.color_palette("hls", 8)

sns.color_palette("hls", 16)

sns.color_palette("husl", 8) # husl相比hls，基于人的视觉特点对颜色进行了修正

其它调色板

主要是matplotlib库自带的调色板，有’Pastel1’, ‘Pastel2’, ‘Paired’, ‘Accent’,‘Dark2’, ‘Set1’, ‘Set2’, ‘Set3’, ‘tab10’, ‘tab20’, ‘tab20b’, 'tab20c’等

sns.color_palette("Set2")

sns.color_palette("tab10")

连续型

主要有"rocket", “mako”, “flare"和"crest”，其中"rocket", “mako"适合较大的数值跨度；名称后面加”_r"表示翻转。
同时也支持matploblib自带的"magma"、"viridis"等。
也可用sns.cubehelix_palette函数自定义。

fig = plt.figure(figsize=(24,8))
fig.subplots_adjust(wspace=0.1, hspace=0.25)
palettes = ["rocket", "mako", "flare", "crest", "magma", "viridis"]
palettes += [pat+"_r" for pat in palettes] 
data = np.random.rand(10,10)
for i, palette in enumerate(palettes):
    ax = fig.add_subplot(2, 6, i+1)
    sns.heatmap(data, cmap=palette)
    ax.set_title(palette)

连续双边型

主要有"vlag"和"icefire"；以及matplotlib自带的"Spectral"和"coolwarm"；名称后面加"_r"表示翻转。也可用sns.diverging_palette函数自定义

fig = plt.figure(figsize=(16,8))
fig.subplots_adjust(wspace=0.2, hspace=0.25)
palettes = ["vlag", "icefire", "Spectral", "coolwarm"]
palettes += [pat+"_r" for pat in palettes] 
data = np.random.rand(10,10)*2-1
for i, palette in enumerate(palettes):
    ax = fig.add_subplot(2, 4, i+1)
    sns.heatmap(data, cmap=palette)
    ax.set_title(palette)

参考

Choosing Colormaps in Matplotlib

Choosing color palettes