Paleta de cores marítimas
A função color_palette () é a parte mais integrante da operação com esquemas de cores exclusivos. Este método é aplicado implicitamente pela função que contém um parâmetro de paleta. Ele também fornece uma plataforma para alguns dos outros métodos diferentes, podemos criar tons em Seaborn. A função set_palette () é um método relacionado à paleta de cores ().
As funções set_palette () e colour_palette () pegam parâmetros semelhantes, mas as variáveis padrão do matplotlib são alteradas para empregar a paleta em todos os gráficos. Toda paleta SeaBorn pode ser usada com a função colour_palette (). Isso também pode ser fornecido com um conjunto de tons em qualquer configuração apropriada de matplotlib. Neste artigo, vamos ver como adicionar tonalidade ao visual usando o parâmetro color_palette da função.
Paletas de cores com um nível de alta qualidade
Para exibir variáveis estruturadas, paletas quantitativas ou categorizadas são apropriadas. Podemos não ter dado a color_palette () argumentos adicionais, e agora estamos observando 10 tons por padrão. Podemos observar a variedade necessária de tons, ajustando o argumento de cores "n" para uma variável. O método palplot () seria usado para descrever longitudinalmente o espectro de cores.
Aqui, vamos integrar a biblioteca Matplotlib da PyPlot como PLT e Seaborn como SB. Agora, aplicamos o método color_palette () da biblioteca marítima. Definimos o valor dessa função para o current_palatte. Então, a função Palplot () de SeaBorn é utilizada. Esta função contém o current_palette como seu parâmetro. No final, para representar os color_palettes, empregamos o PLT.show () função. A tela de saída é afixada aqui que representa a paleta de cores.
Paletas de cores em ordem
Os gráficos síncronos são úteis para ilustrar parâmetros estatísticos que variam dos níveis mais baixos aos mais altos dentro de um espectro. O gráfico seqüencial é criado adicionando o elemento específico 's' ao tom fornecido ao argumento de cores. Nesse caso, temos que adicionar 's' ao argumento, que é 'blues.'
Depois de importar as bibliotecas Matplotlib e Seaborn, utilizamos o método color_palette () e especificamos o valor dessa função na variável current_palette. Na próxima etapa, empregamos o método palplot () que contém a função color_palette () como seu argumento. Ambas as funções estão relacionadas ao arquivo de cabeçalho do SeaBorn. Especificamos a cor da trama passando 'blues' para a função color_palette (). O plt.Método Show () está sendo aplicado para ilustrar as paletas de cores. A tela de saída que representa a paleta de cores é afixada aqui.
Uma paleta de cores que é divergente
Dois tons separados foram usados em paletas divergentes. Cada cor reflete uma diferença estatística em qualquer orientação de um ponto central. O mapa de calor na instância seguinte emprega dois tons de contraste. Ao exibir dados desviando dados, o argumento do 'centro' será usado para determinar o valor onde o colorido deve ser centrado. Os dados são orientados em zero, que é o padrão. Ao fornecer um valor ao argumento 'centro', podemos manipulá -lo. Veremos uma ilustração de um mapa de calor com dados centrados em 2, incluindo um colorma divergente.
No início do programa, importamos a biblioteca Seaborn como SNS, Matplotlib.Pyplot como PLT, pandas como PD, Numpy como NP. Agora, queremos criar o quadro de dados para que utilizemos a função Randn () do módulo Numpy. Declaramos uma variável 'df' para manter o valor do quadro de dados. Na próxima etapa, temos que desenhar o mapa de calor do quadro de dados especificado, para que empregamos a função HeatMap (). O pacote Seaborn contém esta função.
Fornecemos o quadro de dados e o valor da variável 'Center' como seus argumentos para a função Heatmap (). A função plt.show () é usado para exibir o mapa de calor resultante. A tela de saída que representa a paleta de cores é afixada aqui.
Crie um mapa usando dados discretos
Podemos transformar dados categóricos em discretos e aplicar esses números de valores na visualização se os dados consistirem naqueles. As instâncias abaixo demonstram como e quando converter variáveis contínuas em dados descontínuos.
Primeiro de tudo, incorporamos as bibliotecas necessárias. A biblioteca SeaBorn será importada como SNS, Matplotlib.Pyplot, pandas e numpy são todos referidos como PLT, PD e NP, respectivamente. Agora que pretendemos gerar um quadro de dados, usamos o método Randn () do módulo Numpy. Os valores foram definidos por esta técnica. Além disso, especificamos uma variável 'df' para manter o conteúdo do quadro de dados. O método DataFrame () da biblioteca de pandas será, portanto, será usado. Este método discretiza os valores do atributo. Os elementos do conjunto de dados seriam divididos em três variáveis categóricas.
Estávamos usando a variável 'col' para identificar as colunas do mapa de calor. A função list () toma o método range () como argumento. Aqui, vamos usar o método HeatMap () para criar um mapa de calor do conjunto de dados fornecido. Este método será incluído no módulo marítimo. O mapa de calor gerado é visualizado usando o PLT.Método Show (). A tela de saída representa a paleta de cores está afixada aqui.
Conclusão
Discutimos a função colour_palette () da biblioteca marítima que será empregada para colorir o gráfico neste artigo. Podemos criar os conjuntos de dados usando várias cores com a ajuda de uma paleta. Conversamos sobre como a paleta será usada para criar várias combinações de mapa de coloridas em ilustrações. Usamos a biblioteca marítima para desenhar um mapa de calor simples e fazer personalizações simples, mas podemos ajustar ainda mais o esquema de cores do gráfico.