Palette de couleurs Seaborn

La couleur est beaucoup plus essentielle que la plupart des éléments de la disposition visuelle car il peut éclairer ou masquer des modèles à des données en fonction de la façon dont il est utilisé. Seaborn Library permet de fournir et d'intégrer des schémas de couleurs qui conviennent au type de données avec lesquelles nous interagissons et aux stratégies de visualisation que nous avons définies. Le Color_palette () est une méthode SeaBorn qui serait utilisée pour fournir des teintes aux graphiques et leur attribuer une qualité esthétique supplémentaire.

La fonction Color_Palette () est la partie la plus intégrale du fonctionnement avec des schémas de couleurs uniques. Cette méthode est appliquée implicitement par la fonction qui contient un paramètre de palette. Il fournit également une plate-forme pour certaines des autres méthodes différentes que nous pourrions créer des nuances dans SeaBorn. La fonction set_palette () est une méthode connexe à Color Palette ().

Les fonctions set_palette () et colour_palette () prennent des paramètres similaires, mais les variables matplotlib standard sont modifiées pour utiliser la palette dans tous les graphiques. Chaque palette SeaBorn peut être utilisée avec Colour_palette (). Cela pourrait également être fourni avec un ensemble de teintes dans n'importe quelle configuration Matplotlib appropriée. Dans cet article, nous allons voir comment ajouter une teinte aux visuels en utilisant le paramètre Color_palette de la fonction.

Palettes de couleurs avec un niveau de haute qualité

Pour afficher des variables structurées, les palettes quantitatives ou catégorisées sont appropriées. Nous n'avons peut-être pas donné des arguments supplémentaires Color_Palette (), et maintenant nous observons 10 teintes par défaut. Nous pouvons observer la variété de nuances requise en ajustant l'argument des couleurs «n» à une variable. La méthode palplot () serait utilisée pour représenter longitudinalement le spectre des couleurs.

Ici, nous allons intégrer la bibliothèque Matplotlib de Pyplot en tant que PLT et Seaborn que SB. Maintenant, nous avons appliqué la méthode Color_palette () de la bibliothèque Seaborn. Nous définissons la valeur de cette fonction sur le courant_palatte. Ensuite, la fonction palplot () de SeaBorn est utilisée. Cette fonction contient le current_palette comme paramètre. À la fin, pour représenter les Color_palettes, nous avons utilisé le PLT.Fonction show (). L'écran de sortie est apposé ici qui représente la palette de couleurs.

Palettes de couleurs dans l'ordre

Les graphiques synchrones sont utiles pour illustrer les paramètres statistiques qui vont du plus bas aux niveaux les plus élevés dans un spectre. Le graphique séquentiel est créé en ajoutant l'élément spécifique «» à la teinte fournie à l'argument de couleur. Dans ce cas, nous devons ajouter des «s» à l'argument, qui est «blues.'

Après avoir importé les bibliothèques Matplotlib et Seaborn, nous avons utilisé la méthode Color_Palette () et spécifié la valeur de cette fonction à la variable Current_Palette. À l'étape suivante, nous avons utilisé la méthode palplot () qui contient la fonction color_palette () comme argument. Les deux fonctions sont liées au fichier d'en-tête Seaborn. Nous avons spécifié la couleur de l'intrigue en passant «blues» à la fonction color_palette (). Le plt.La méthode Show () est appliquée pour illustrer les palettes de couleurs. L'écran de sortie qui représente la palette de couleurs est apposé ici.

Une palette de couleurs divergente

Deux teintes distinctes ont été utilisées dans des palettes divergentes. Chaque couleur reflète une différence statistique dans l'une ou l'autre orientation à partir d'un point central. La carte thermique dans l'instance suivante utilise deux nuances de contraste. Lors de l'affichage des données déviantes, l'argument du «centre» sera utilisé pour déterminer la valeur où le colormap doit être centré. Les données sont orientées à zéro qui est la norme. En fournissant une valeur à l'argument «Centre», nous pouvons le manipuler. Nous verrons une illustration d'une carte thermique ayant des données centrées sur 2 en incluant un colormap divergent.

Au début du programme, nous importons la bibliothèque Seaborn sous le nom de SNS, Matplotlib.pypllot comme plt, pandas comme pd, numpy que np. Maintenant, nous voulons créer le cadre de données, nous avons donc utilisé la fonction randn () du module Numpy. Nous déclarons une variable «DF» pour maintenir la valeur de la trame de données. À l'étape suivante, nous devons dessiner la carte thermique du cadre de données spécifié afin que nous utilisons la fonction HeatMap (). Le paquet Seaborn contient cette fonction.

Nous avons fourni le cadre de données et la valeur de la variable «Centre» comme arguments à la fonction HeatMap (). La fonction plt.show () est utilisé pour afficher la carte thermique résultante. L'écran de sortie qui représente la palette de couleurs est apposé ici.

Créer une carte en utilisant des données discrètes

Nous pouvons transformer les données catégorielles en plus discrètes et appliquer ces nombres de valeurs dans la visualisation si les données se composent de celles. Les instances ci-dessous montrent comment et quand convertir les variables continues en données discontinues.

Tout d'abord, nous incorporons les bibliothèques requises. La bibliothèque Seaborn sera importée sous le nom de SNS, Matplotlib.Pypllot, Pandas et Numpy sont tous appelés PLT, PD et NP, respectivement. Maintenant que nous avons l'intention de générer un cadre de données, nous avons utilisé la méthode Randn () du module Numpy. Les valeurs ont été définies par cette technique. Nous spécifions en outre une variable «DF» pour maintenir le contenu de la trame de données. La méthode DataFrame () de la bibliothèque Pandas sera donc utilisée. Cette méthode discrétise les valeurs d'attribut. Les éléments de l'ensemble de données seraient divisés en trois variables catégorielles.

Nous utilisons la variable «col» pour identifier les colonnes de la carte thermique. La fonction List () prend la méthode Range () comme un argument. Ici, nous allons utiliser la méthode HeatMap () pour créer une carte thermique de l'ensemble de données fourni. Cette méthode sera incluse dans le module Seaborn. La carte thermique générée est visualisée en utilisant le PLT.Méthode Show (). L'écran de sortie représente la palette de couleurs apposée ici.

Conclusion

Nous avons discuté de la fonction colore_palette () de la bibliothèque Seaborn qui sera utilisée pour colorer le graphique de cet article. Nous pouvons créer les ensembles de données en utilisant plusieurs couleurs à l'aide d'une palette. Nous avons expliqué comment la palette sera utilisée pour créer plusieurs combinaisons Colormap en illustrations. Nous avons utilisé la bibliothèque Seaborn pour dessiner une simple carte thermique et faire des personnalisations simples, mais nous pouvons davantage ajuster la palette de couleurs du graphique.