9-2 分类色板

分类色板（quanlitative）对于分类数据的显示很有帮助。当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。

seaborn中默认使用的调色板实际上是标准的matplolib色环。

sns.palplot(sns.color_palette())

默认的色环主题

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:
    sns.palplot(sns.color_palette(theme))

使用颜色空间（色圈）

当有超过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颜色空间，它是一种简单的RGB值的转换。

sns.palplot(sns.color_palette("hls", 10))

# hls_palette函数，用于调节hls颜色的亮度和饱和度。
sns.palplot(sns.hls_palette(10, l = .8, s = .8))

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，而蓝色则相对暗一些。因此，如果你想用hls系统达到一致性的效果，就会出现上面的问题。

为了修补这个问题，seaborn给hls系统提供了一个接口，可以让操作者简单容易的选择均匀分布，且亮度和饱和度看上去明显一致的色调。

sns.palplot(sns.color_palette("husl", 10))

# hls_palette函数，用于调节hls颜色的亮度和饱和度。
sns.palplot(sns.husl_palette(10, l = .8, s = .8))

使用分类Color Brewer调色板

Color Brewer中预定义了一批分类调色板，但颜色数量有限，可能会出现循环使用。

print(sns.color_palette("Set1", 10))
sns.palplot(sns.color_palette("Set1", 10))

sns.palplot(sns.color_palette("Set1", 10, 0.5))

完全使用自选颜色定义调色板

flatui = ["#9b59b6", "#3498db", "#95a5a6", "#e74c3c", 
          "#34495e", "#2ecc71"]
sns.palplot(sns.color_palette(flatui))