seaborn是基于matplotlib的python數據可視化庫，提供更高層次的API封裝，包括一些高級圖表可視化等工具。
使用seaborn需要先安裝改模塊pip3 install seaborn 。
?
一、風格style
包括set() / set_style() / axes_style() / despine() / set_context()
創建正弦函數并顯示圖表
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline def sinplot(flip = 1):x = np.linspace(0,14,100)for i in range(1,7):plt.plot(x,np.sin(x+i)*i) # 6個正弦函數 sinplot()
1.set()，設置整體為默認風格
sns.set() #默認風格為darkgrid sinplot()
2.set_style()，自定義整體風格
參數為"white"、"dark"、 "whitegrid"、 "darkgrid"、 "ticks"或者None，默認為darkgrid
fig = plt.figure(figsize=(15,6))ax1 = fig.add_subplot(121) sns.set_style('whitegrid') data = np.random.normal(size=(20, 6)) + np.arange(6) / 2 sns.boxplot(data=data) plt.title('style - whitegrid')# 仍然可以使用matplotlib的參數 ax2 = fig.add_subplot(122) # sns.set_style("dark") sinplot()
3.axes_style()，設置子圖風格
可與with搭配使用，設置with代碼塊內的圖表風格，不影響整體圖表風格。
fig = plt.figure(figsize=(15,6)) with sns.axes_style("dark"): #只對with代碼塊內的圖表風格生效，即只對第一個子圖生效plt.subplot(121) sinplot()sns.set_style("white") #整體風格為white plt.subplot(122) sinplot()
?
4.despine()移除軸線
despine(fig=None, ax=None, top=True, right=True, left=False,?bottom=False, offset=None, trim=False)
top、right、left、bottom：上、右、左、下方軸線，默認移除上方和右側軸線
offset：xy軸和y軸的起點相對原始位置的偏移量
trim：默認坐標軸長度沒有限制，會延伸到圖表內容結束，True表示將坐標軸的顯示的長度在最小值和最大值之間
fig = plt.figure(figsize=(20,6)) ax1 = fig.add_subplot(131) sinplot() sns.despine()# 默認刪除上、右坐標軸 ax2 = fig.add_subplot(132) sns.violinplot(data=data) #小提琴圖 # sns.despine(offset=1, trim=True) ax3 = fig.add_subplot(133) sns.boxplot(data=data, palette="deep") sns.despine(left=True, right = False) #最終是該despine設置生效
5.set_context()顯示比例
可選參數為'paper'、 'notebook'、'talk'、'poster'，默認為notebook，設置標簽、線等的大小。
sns.set_context("notebook") sinplot()
下面分別為設置為notebook、paper、talk和poster的顯示結果。
?
二、 調色盤
1.color_palette()
默認取當前調色盤的顏色，返回結果是一個seaborn.palette的類，形式類似一個列表，列表中每一個元素為元組，元組用3個數值表示rgb顏色。
current_palette = sns.color_palette() # 讀取當前調色盤顏色，可添加參數n表示取幾個色塊 print(current_pallette,type(current_palette)) sns.palplot(current_palette) #<class 'seaborn.palettes._ColorPalette'> [(0.9913725490196079, 0.7913725490196079, 0.7082352941176471)...]
seaborn可用調色盤有6種，deep、 muted、bright、 pastel、dark、colorblind，默認顯示bright。
?
其他調色盤
sns.color_palette('Reds', 10)，第一個參數表示色系，第二個參數表示取幾個色塊。
顏色默認是由淺到深，帶r表示反轉即顏色由深到淺，不是所有顏色都可以翻轉哦。
#其他可用調色盤 #Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, #Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, #Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r,RdBu, RdBu_r, #RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, spectral #Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r #binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, #cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, #gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, #gray, gray_r, hot, hot_r, hsv, hsv_r, icefire, icefire_r, inferno, inferno_r, jet, jet_r, magma, magma_r, mako, mako_r, #nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, rocket, rocket_r, #seismic, seismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, #terrain, terrain_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, vlag, vlag_r, winter, winter_r sns.palplot(sns.color_palette('Reds', 10)) sns.palplot(sns.color_palette('Greens_r', 7)) #
?
# 分組顏色，同一個顏色成對出現 sns.palplot(sns.color_palette('Paired',7)) #參數可以為奇數 sns.palplot(sns.color_palette('Paired', 18))
?
2.設置調色盤
set_palette(palette, n_colors=None, desat=None, color_codes=False)，使用Seaborn調色盤設置Matplotlib顏色循環
palette參數可設置為seaborn color paltte | matplotlib colormap | hls | husl
sns.set_palette('Greens') sinplot()
3.亮度和飽和度
sns.hls_palette(n_colors=6, h=.01, l=.6, s=.65)
sns.husl_palette(n_colors=6, h=.01, s=.9, l=.65)，兩者表示亮度和飽和度的參數位置相反。
參數n_colors表示取幾個色塊，h表示第一個色塊的顏色，l表示亮度，s表示飽和度，h、l、s取值[0,1]。
sns.palplot(sns.hls_palette(8,0.01,0.5,0.5))
sns.palplot(sns.husl_palette(8,0.03,0.8,0.8)) 
?
4.按線性增長設置顏色
cubehelix_palette(n_colors=6, start=0, rot=.4, gamma=1.0, hue=0.8,light=.85, dark=.15, reverse=False, as_cmap=False)
c_colors：色塊個數
start：色塊的起點顏色，[0,3]之間
rot：顏色的旋轉角度
gamma：顏色的伽馬值，值越大顏色越深
hue：飽和度，[0,1]之間
light和dark：亮度和深度，[0,1]之間
reverse：默認為False顏色由淺到深，True表示由深到淺
as_cmp：If True, return a matplotlib colormap instead of a list of colors
sns.palplot(sns.cubehelix_palette(8, gamma=1.5)) sns.palplot(sns.cubehelix_palette(8, start=1, rot=-0.75)) sns.palplot(sns.cubehelix_palette(8, start=2, rot=0, dark=0.5,light=0.9, reverse=True))
5.按顏色深淺設置顏色
light_palette(color, n_colors=6, reverse=False, as_cmap=False,input="rgb")和dark_palette(color, n_colors=6, reverse=False, as_cmap=False, input="rgb")
color_palette()中的顏色參數為調色盤，而light_palette()和dark_palette()中的color顏色參數就是單純的顏色，例如對于藍色，color_palette()需設置Blues，后兩者參數為blue。
sns.palplot(sns.light_palette("red")) sns.palplot(sns.dark_palette("red")) sns.palplot(sns.light_palette("blue")) sns.palplot(sns.dark_palette("blue", reverse=True))
6.設置分散顏色
diverging_palette(h_neg, h_pos, s=75, l=50, sep=10, n=6,?center="light", as_cmap=False)
h_neg, h_pos：起始和終止顏色，[0,359]之間
s、l：飽和度和亮度，[0,100]之間
n：色塊個數
center： 最中間顏色為淺色或者深色，{'light','dark'}，默認為淺色
sns.palplot(sns.diverging_palette(0,150, s=60, l=20, n=8)) sns.palplot(sns.diverging_palette(300, 150, s=30, l=50, n=8,center='dark'))
?
sns.set_style("white")# 設置風格 fig = plt.figure(figsize=(18,5))with sns.color_palette("Greens"): #設置局部調色盤plt.subplot(131)sinplot()sns.set_palette("husl") #對于多系列的圖表，用不同顏色區分系列 plt.subplot(132) sinplot()x = np.arange(25).reshape(5, 5) cmap = sns.diverging_palette(200, 20, sep=20, as_cmap=True) plt.subplot(133) sns.heatmap(x, cmap=cmap) #顯示熱力圖效果
?
