python颜色参数palette_python数据可视化seaborn（一）—— 整体样式与调色板

很久之前对seaborn有过一些涉及但是没有深入探究，这次有趁着有数据可视化的需求，就好好学一学

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，为数据分析提供了很大的便利性。但是应该把Seaborn视为matplotlib的补充，而不是替代物。

这次就从最基本的图标风格和调色板开始，学习seaborn。

图表风格(style)设置

# 利用 matplotlib创建一个正弦函数及图表

def sinplot(flip=1):

x = np.linspace(0, 14, 100)

# fig = plt.figure(figsize=(10,6))

for i in range(1,7):

plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)

sinplot()

sns.set() 设置样式参数

seaborn.set(context ='notebook'，style ='darkgrid'，palette ='deep'，font ='sans-serif'，font_scale = 1，color_codes = True，rc = None)

sns.set(style='darkgrid',font_scale=1.5)

# 利用此方法可以快速设置seaborn的默认风格，当然也可以添加参数设置其他风格

# font_scale：float，单独的缩放因子可以独立缩放字体元素的大小。

sinplot()

set_style() 设置图标风格

seaborn.set_style(style = None，rc = None )

# 切换seaborn图表风格

# 风格选择包括："white", "dark", "whitegrid", "darkgrid", "ticks"

# rc：dict，可选,参数映射以覆盖预设的seaborn样式字典中的值

fig = plt.figure(figsize=(10, 8))

ax1 = fig.add_subplot(2, 1, 1)

sns.set_style('whitegrid',{"xtick.major.size": 10, "ytick.major.size": 10})

data = np.random.normal(size=(20,6)) + np.arange(6) / 2

sns.boxplot(data=data)

ax2 = fig.add_subplot(2, 1, 2)

sinplot()

sns.despine() 设置坐标轴

seaborn.despine(fig=None, ax=None, top=True, right=True, left=False, bottom=False, offset=None, trim=False)

# 设置图表坐标轴

sns.set(style='ticks',font_scale=1)

# 设置风格

fig = plt.figure(figsize=(10,12))

plt.subplots_adjust(hspace=0.3) # 调整子图间距

# 图表基本设置

ax1 = fig.add_subplot(3, 1, 1)

sinplot()

sns.despine(ax=ax1)

# 默认隐藏右边和上边的坐标轴

ax2 = fig.add_subplot(3, 1, 2)

sns.violinplot(data=data)

sns.despine(ax=ax2,offset={'bott