Paleta kolorów morskich

Kolor jest znacznie bardziej niezbędny niż większość elementów układu wizualnego, ponieważ może oświetlić lub ukrywać wzory przed danymi w zależności od tego, jak dobrze jest stosowany. Biblioteka Seaborn ułatwia zapewnienie i integrację schematów kolorów, które są odpowiednie dla rodzaju danych, z którymi interakcje i strategie wizualizacji, które zdefiniowaliśmy. Color_palette () to metoda morska, która byłaby wykorzystywana do dostarczania odcieni do wykresów i przypisywania im dodatkowej jakości estetycznej.

Funkcja Color_Palette () jest najbardziej integralną częścią pracy z unikalnymi schematami kolorów. Ta metoda jest stosowana w sposób dorozumiany przez funkcję zawierającą parametr palety. Zapewnia również platformę dla niektórych innych różnych metod, które możemy tworzyć odcienie w Seborn. Funkcja set_palette () jest powiązaną metodą z paletą kolorów ().

Zarówno funkcje set_palette (), jak i Colour_Palette () przyjmują podobne parametry, ale standardowe zmienne MATPlotlib są zmieniane w celu zastosowania palety na wszystkich wykresach. Każdą paletę morską może być używana z funkcją Colour_Palette (). Można to również zapewnić zestaw odcieni w każdej odpowiedniej konfiguracji MATPlotlib. W tym artykule zobaczymy, jak dodać odcień do wizualizacji za pomocą parametru Color_Palette funkcji.

Palety kolorów o wysokiej jakości

Aby wyświetlić zmienne strukturalne, odpowiednie są palety ilościowe lub kategorie. Być może nie podaliśmy dodatkowych argumentów Color_Palette (), a teraz domyślnie obserwujemy 10 odcieni. Możemy zaobserwować wymaganą różnorodność odcieni, dostosowując argument „n” kolorów do zmiennej. Metoda balplot () byłaby użyta do podłużnego przedstawienia spektrum kolorów.

Tutaj zintegrujemy bibliotekę MATPlotlib z Pyplot jako PLT i Searnor. Teraz zastosowaliśmy metodę biblioteki Seaorn Library biblioteki. Ustawiamy wartość tej funkcji na current_palatte. Następnie wykorzystywana jest funkcja balplot () z Seorbor. Ta funkcja zawiera Current_Palette jako jej parametr. Na koniec, aby przedstawić Color_Palettes, zastosowaliśmy PLT.show () funkcja. Ekran wyjściowy jest tutaj umieszczony, który reprezentuje paletę kolorów.

Palety kolorów w porządku

Wykresy synchroniczne są przydatne w ilustrowaniu parametrów statystycznych, które wahają się od najniższych do najwyższych poziomów w spektrum. Wykres sekwencyjny jest tworzony przez dodanie określonego elementu „s” do odcienia dostarczonego do argumentu kolorów. W tym przypadku musimy dodać „s” do argumentu, którym jest „blues.'

Po zaimportowaniu bibliotek MATPlotlib i Seaorn, zastosowaliśmy metodę Color_Palette () i określliśmy wartość tej funkcji do zmiennej Current_Palette. W następnym kroku zastosowaliśmy metodę balplot (), która zawiera funkcję color_palette () jako jej argument. Obie funkcje są powiązane z plikami nagłówka Seaorn. Określiliśmy kolor wykresu, przekazując „blues” do funkcji color_palette (). Plt.Metoda show () jest stosowana w celu zilustrowania palet kolorów. Ekran wyjściowy reprezentujący paletę kolorów jest tutaj umieszczony.

Paleta kolorów, która jest rozbieżna

W rozbieżnych paletach zastosowano dwa oddzielne odcienie. Każdy kolor odzwierciedla statystyczną różnicę w żadnej orientacji z punktu środkowego. Mapa cieplna w kolejnej instancji wykorzystuje dwa odcienie kontrastowe. Podczas wyświetlania odchylenia danych argument „środkowy” zostanie użyty do ustalenia wartości, w której powinien być wyśrodkowany KolorMap. Dane są zorientowane na zero, co jest standardem. Zapewniając wartość argumentu „Center”, możemy ją manipulować. Zobaczymy ilustrację mapy cieplnej zawierającej dane na 2, włączając rozbieżną kolornę.

Na początku programu importujemy bibliotekę Seaorn jako SNS, Matplotlib.Pyplot as PLT, pandy jako PD, Numpy jako NP. Teraz chcemy utworzyć ramkę danych, abyśmy zastosowali funkcję randn () modułu Numpy. Ogłaszamy zmienną „DF”, aby zachować wartość ramki danych. W następnym kroku musimy narysować mapę cieplną określonej ramki danych, aby zastosować funkcję HeatMap (). Pakiet Seaorn zawiera tę funkcję.

Dostarliśmy ramkę danych i wartość zmiennej „środkowej” jako jej argumentów do funkcji HeatMap (). Funkcja plt.show () służy do wyświetlania powstałej mapy cieplnej. Ekran wyjściowy reprezentujący paletę kolorów jest tutaj umieszczony.

Utwórz mapę za pomocą danych dyskretnych

Możemy przekształcić dane kategoryczne w dyskretne i zastosować te liczby wartości w wizualizacji, jeśli dane składają się z nich. Poniższe przypadki pokazują, w jaki sposób i kiedy konwertować zmienne ciągłe na nieciągłe dane.

Przede wszystkim włączamy wymagane biblioteki. Biblioteka Seaorn będzie importowana jako SNS, matplotlib.Pyplot, pandy i Numpy są określane odpowiednio jako PLT, PD i NP. Teraz, gdy zamierzamy wygenerować ramkę danych, zastosowaliśmy metodę Randn () modułu Numpy. Wartości zostały zdefiniowane przez tę technikę. Dodatkowo określamy zmienną „DF”, aby przechowywać zawartość ramki danych. W związku z tym zostanie zastosowana metoda dataframe () pandaas biblioteki. Ta metoda dyskretyzuje wartości atrybutu. Elementy zestawu danych zostałyby podzielone na trzy zmienne kategoryczne.

Używaliśmy zmiennej „col” do identyfikacji kolumn mapy cieplnej. Funkcja listy () bierze metodę Range () jako argument. Tutaj użyjemy metody HeatMap (), aby utworzyć mapę cieplną dostarczonego zestawu danych. Ta metoda zostanie uwzględniona w module morskim. Wygenerowana mapa cieplna jest wizualizowana za pomocą PLT.Metoda show (). Ekran wyjściowy reprezentuje paletę kolorów.

Wniosek

Omówiliśmy funkcję Colour_Palette () biblioteki Seaorn, która zostanie wykorzystana do pokolorowania wykresu w tym artykule. Możemy tworzyć zestawy danych za pomocą wielu kolorów za pomocą palety. Rozmawialiśmy o tym, jak paleta zostanie użyta do tworzenia wielu kombinacji colormap na ilustracjach. Użyliśmy biblioteki Seaorn, aby narysować prostą mapę cieplną i wykonać proste dostosowania, ale możemy dalej dostosować schemat kolorów wykresu.