使用Matplotlib和Seaborn绘制簇状柱状图

Matplotlib提供了丰富的绘图功能和高度自定义的选项，而Seaborn则基于Matplotlib，提供了更高级别的接口，使得绘制美观的图表变得更为简单。

Seaborn风格与配色方案

Seaborn的风格

Seaborn提供了五种主要的风格，分别是：darkgrid、whitegrid、dark、white和ticks。

1. darkgrid：在暗色背景上绘制网格线，适合用于大多数图表，尤其是那些需要强调数据的情况。
2. whitegrid：在白色背景上绘制网格线，同样适用于大多数图表，但更适合在浅色背景下使用。
3. dark：暗色背景且没有网格线，适合创建科学报告或黑暗主题的图表。
4. white：白色背景且没有网格线，适合在明亮的环境中使用，尤其是在演示或打印时。
5. ticks：在白色背景上绘制刻度线，适合创建包含刻度标记的图表，特别是那些需要强调刻度的情况。

import seaborn as sns

# 设置 seaborn 风格
sns.set_style("darkgrid")

Seaborn的配色方案

1. 预定义的调色板

除了风格外，Seaborn还提供了多种配色方案，用于在图表中区分不同的数据类别。以下是一些常用的配色方案：

1. deep：一组较深的颜色，用于区分不同的类别，特别适用于分类数据。
2. muted：一组柔和的颜色，不太鲜艳，适用于中等大小的数据集。
3. bright：一组明亮的颜色，非常鲜艳，适用于需要强调不同类别的情况。
4. pastel：一组柔和的颜色，比较淡雅，适用于视觉上温和的图表。
5. dark：一组深色的颜色，适用于需要强调数据的情况。
6. colorblind：适用于色盲的颜色方案，能够保证即使是色盲患者也能够清晰地区分不同的类别。
7. husl：一组从黄色到红色再到蓝色的连续颜色，适用于需要区分多个类别且不希望颜色过于刺眼的情况。
8. Paired：一组成对的颜色，每个颜色都与另一个颜色形成对比，适用于需要将数据按照两两配对进行比较的情况。
9. Set1、Set2、Set3：三组离散的颜色，每组颜色都有不同的亮度和饱和度，适用于区分多个类别的情况。
10. tab10、tab20、tab20b、tab20c：四组离散的颜色，每组颜色都有不同的亮度和饱和度，适用于区分多个类别的情况，特别是在需要更多的颜色选择时。

# 设置 seaborn 配色方案
sns.set_palette("tab20")

2. 定制调色板

除了预定义调色板外，Seaborn还允许用户创建自己的定制调色板。可以使用sns.color_palette()函数来创建定制调色板，并将其传递给set_palette()函数。

custom_palette = sns.color_palette(["#fe9900", "#ffff00", "#0099cb"])  # 使用RGB颜色值创建调色板
# custom_palette = sns.color_palette(["red", "green", "blue"]) # 使用颜色名称创建调色板
sns.set_palette(custom_palette)

3. 使用颜色映射

在某些情况下，可能希望根据数据的值来自动选择颜色。这时可以使用Seaborn提供的颜色映射功能。例如，在绘制热图或散点图时，可以使用cmap参数来指定颜色映射。Seaborn支持许多不同的颜色映射，例如"viridis"、“inferno”、"coolwarm"等等。

sns.heatmap(data, cmap="viridis")

在Seaborn中，可以通过设置参数来调整颜色的饱和度、透明度和字体大小等。下面介绍如何使用Seaborn来实现这些设置：

其他设置

1. 颜色饱和度

Seaborn中的set_palette()函数可以接受一个saturation参数，用于调整颜色的饱和度。饱和度参数的取值范围为0到1，其中0表示完全不饱和（灰度色），1表示完全饱和（原始颜色）。例如：

sns.set_palette("deep", saturation=0.8)

这将使用"deep"调色板，并将其饱和度设置为0.8。

2. 透明度

在Seaborn中，可以通过在绘图函数中传递alpha参数来设置图表元素的透明度。透明度参数的取值范围为0到1，其中0表示完全透明，1表示完全不透明。例如：

# 示例数据
data = pd.DataFrame({
   
   'x': [1, 2, 3, 4, 5], 'y': [2, 4, 6, 8, 10]})

# 绘制散点图，并设置透明度
sns