一文玩转Seaborn热力图中调色板设置 |
您所在的位置:网站首页 › 颜色渐变算法是什么 › 一文玩转Seaborn热力图中调色板设置 |
1.引言
在前文中我们介绍了如何利用Seaborn绘制热力图,并详细介绍了各种热力图中的控制条件。本文重点介绍如何控制绘制热力图中的调色板。 闲话少说,我们直接开始吧! 2.举个栗子我们首先来看个上一节的栗子,代码如下: import numpy as np import seaborn as sb import matplotlib.pyplot as plt data = np.random.rand(4, 6) heat_map = sb.heatmap(data, cmap="YlGnBu") plt.show()运行后结果如下: 观察上述代码,其中cmap="YlGnBu", 表示以下调色板:
当要展示的数据的范围从低到高时,可以使用sequential color map顺序调色板。顺序调色板的颜色码可以与函数heatmap()或函数kdeplot()一起使用。 顺序调色板的颜色码总结如下: 此外,除了上述调色板之外,还可以使用cubehelix调色方案,它使用cubehelix算法生成一系列颜色,用于在数据可视化中表示连续变量的顺序变化。Cubehelix 是由 Green 于 2005 年提出的一种颜色映射方法,它在色相、亮度和饱和度三个维度上提供平滑的渐变,非常适合用于展示数据的顺序变化。该调色板如下所示: 我们开看个具体栗子,代码如下: heat_map = sb.heatmap(data, cmap="cubehelix") plt.show()运行后结果如下: 发散调色板Diverging color palette是一种在数据可视化中用来表示两个极端值之间变化的颜色方案。这种色板通常调色板的两侧选择两种对比色,然后在两者之间通过一系列渐变色来表示中间值。 发散调色板非常适合用来展示具有两个显著不同极端的数据,如温度变化、正负差异、数据的偏差等。 我们通过以下代码,来观察该调色板的具体颜色调色方案,如下: import seaborn as sb import matplotlib.pyplot as plt sb.palplot(sb.diverging_palette(200, 0, n=11)) plt.show()这里,200是调色板左侧的值,0是调色板右侧的值。变量n定义了颜色块的数量。在我们的例子中,该值为11。运行上述代码后,得到结果如下所示: 我们在针对该调色方案举个例子,代码如下: mycolor=sb.diverging_palette(200,0,n=11) data=np.array( [ [0, 25, 50, 75, 100, 125], [25, 50, 75, 100, 125, 150], [50, 75, 100, 125, 150, 175], [75,100, 125, 150, 175, 200] ] ) heatmap=sb.heatmap(data,cmap=mycolor) plt.show()运行后结果如下: 在Python的matplotlib库中,mpl_palette是一个用于生成和操作颜色的模块。它允许用户创建和修改颜色映射,这些颜色映射可以用于图表、图像和其他可视化元素中。 matplotlib提供了许多预定义的颜色映射,举例如下: viridis:一种蓝绿色渐变的调色板plasma: 一种从橙色到黄色再到紫色的渐变调色板inferno:一种从黄色到红色再到黑色的渐变调色板magma:一种从蓝色到红色的渐变调色板cividis:一种从蓝色渐变到绿色再到黄色我们来看个几个栗子,如下: import seaborn as sb import matplotlib.pyplot as plt sb.mpl_palette("viridis") plt.show()运行后结果如下: 运行后结果如下: 运行后结果如下: 本文重点介绍了在Seaborn库中调整绘制热力图控制调色板的三种方法,并给出了相应的介绍。使用这些方法可以可以游刃有余的来控制绘制图像的颜色。 您学废了嘛! |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |