python颜色参数palette_数据可视化Seaborn从零开始学习教程（二） 颜色调控篇

作者：xiaoyu

微信公众号：Python数据科学

知乎：python数据分析师

Seaborn学习大纲

seaborn的学习内容主要包含以下几个部分：

风格管理

绘图风格设置

颜色风格设置

绘图方法

数据集的分布可视化

分类数据可视化

线性关系可视化

结构网格

数据识别网格绘图

本次将主要介绍颜色调控的使用。

颜色风格设置

在Seaborn的使用中，是可以针对数据类型而选择合适的颜色，并且使用选择的颜色进行可视化，节省了大量的可视化的颜色调整工作。

还是一样，在介绍如何使用颜色外观设置之前，我们引入所需要的模块。

%matplotlib inline

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

sns.set(rc={"figure.figsize": (6, 6)})

np.random.seed(sum(map(ord, "palettes")))

下面所有操作均在 Jupyter notebook 中执行，如果对这个软件还不熟悉的朋友可以参考：Jupyter notebook快速入门教程

建立调色板

对于不连续的外观颜色设置而言，最重要的函数恐怕要属color_palette了。这个函数拥有许多方法，让你可以随心所欲的可以生成各种颜色。并且，它可以被任何有palette参数的函数在内部进行使用(palette的中文意思是 "调色板")。

关于这个函数有几个点需要知道一下：

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matplotlib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。

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。

通常，在不知道数据特点的情况下，要找出并知道哪组颜色对一组数据是最好的有点不太现实。因此，我们将分为多种方式来使用color_palette函数和其它的 seaborn paletee 函数。

有三种通用的color palette可以使用，它们分别是：qualitative，sequential，diverging。

1. 分类色板(quanlitative)

Qualitative调色板，也可以说成是 类型 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。

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。

themes = ['deep', 'muted', 'pastel', 'bright', 'dark', 'colorblind']

for theme in themes:

current_palette = sns.color_palette(theme)