Seaborn - Paleta de colores
El color juega un papel importante que cualquier otro aspecto en las visualizaciones. Cuando se usa de manera efectiva, el color agrega más valor al gráfico. Una paleta significa una superficie plana sobre la que un pintor arregla y mezcla pinturas.
Paleta de colores de construcción
Seaborn proporciona una función llamada color_palette(), que se puede utilizar para dar color a las tramas y agregarle más valor estético.
Uso
seaborn.color_palette(palette = None, n_colors = None, desat = None)Parámetro
La siguiente tabla enumera los parámetros para la construcción de la paleta de colores:
| No Señor. | Palatte y descripción |
|---|---|
| 1 | n_colors Número de colores en la paleta. Si es Ninguno, el valor predeterminado dependerá de cómo se especifique la paleta. Por defecto, el valor den_colors es de 6 colores. |
| 2 | desat Proporción para desaturar cada color. |
Regreso
Retorno se refiere a la lista de tuplas RGB. A continuación se muestran las paletas de Seaborn disponibles:
- Deep
- Muted
- Bright
- Pastel
- Dark
- Colorblind
Además de estos, también se puede generar una nueva paleta
Es difícil decidir qué paleta se debe usar para un conjunto de datos dado sin conocer las características de los datos. Siendo conscientes de ello, clasificaremos las diferentes formas de usocolor_palette() tipos -
- qualitative
- sequential
- diverging
Tenemos otra función seaborn.palplot()que se ocupa de las paletas de colores. Esta función traza la paleta de colores como una matriz horizontal. Sabremos más sobreseaborn.palplot() en los siguientes ejemplos.
Paletas de colores cualitativos
Las paletas cualitativas o categóricas son las más adecuadas para trazar los datos categóricos.
Ejemplo
from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(current_palette)
plt.show()Salida
No hemos pasado ningún parámetro en color_palette();por defecto, estamos viendo 6 colores. Puede ver el número deseado de colores pasando un valor aln_colorsparámetro. Aquí elpalplot() se utiliza para trazar la matriz de colores horizontalmente.
Paletas de colores secuenciales
Los gráficos secuenciales son adecuados para expresar la distribución de datos que van desde valores relativamente más bajos hasta valores más altos dentro de un rango.
Agregar un carácter adicional 's' al color pasado al parámetro de color trazará la trama secuencial.
Ejemplo
from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(sb.color_palette("Greens"))
plt.show()
Note −Necesitamos agregar 's' al parámetro como 'Verdes' en el ejemplo anterior.
Paleta de colores divergentes
Las paletas divergentes utilizan dos colores diferentes. Cada color representa una variación en el valor que va desde un punto común en cualquier dirección.
Suponga que grafica los datos que van de -1 a 1. Los valores de -1 a 0 toman un color y 0 a +1 toman otro color.
De forma predeterminada, los valores están centrados desde cero. Puede controlarlo con el centro de parámetros pasando un valor.
Ejemplo
from matplotlib import pyplot as plt
import seaborn as sb
current_palette = sb.color_palette()
sb.palplot(sb.color_palette("BrBG", 7))
plt.show()Salida
Configuración de la paleta de colores predeterminada
Las funciones color_palette() tiene un compañero llamado set_palette()La relación entre ellos es similar a los pares cubiertos en el capítulo de estética. Los argumentos son los mismos para ambosset_palette() y color_palette(), pero los parámetros predeterminados de Matplotlib se cambian para que la paleta se use para todos los gráficos.
Ejemplo
import numpy as np
from matplotlib import pyplot as plt
def sinplot(flip = 1):
x = np.linspace(0, 14, 100)
for i in range(1, 5):
plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)
import seaborn as sb
sb.set_style("white")
sb.set_palette("husl")
sinplot()
plt.show()Salida
Trazado de distribución univariante
La distribución de datos es lo más importante que debemos comprender al analizar los datos. Aquí, veremos cómo seaborn nos ayuda a comprender la distribución univariante de los datos.
Función distplot()proporciona la forma más conveniente de echar un vistazo rápido a la distribución univariante. Esta función trazará un histograma que se ajusta a la estimación de la densidad del núcleo de los datos.
Uso
seaborn.distplot()Parámetros
La siguiente tabla enumera los parámetros y su descripción:
| No Señor. | Descripción de parámetros |
|---|---|
| 1 | data Serie, matriz 1d o lista |
| 2 | bins Especificación de contenedores de hist |
| 3 | hist bool |
| 4 | kde bool |
Estos son parámetros básicos e importantes a tener en cuenta.