Tavolozza di colori marittima

Il colore è molto più essenziale della maggior parte degli elementi del layout visivo poiché può illuminare o nascondere i modelli dai dati a seconda di quanto bene viene impiegato. La biblioteca Seaborn semplifica la fornitura e l'integrazione di schemi di colore appropriati per il tipo di dati con cui stiamo interagendo e le strategie di visualizzazione che abbiamo definito. Il color_palette () è un metodo di mare che verrebbe utilizzato per fornire tonalità ai grafici e assegnare loro un'ulteriore qualità estetica.

La funzione Color_Palette () è la parte più integrale del funzionamento con schemi di colore unici. Questo metodo è applicato implicitamente dalla funzione che contiene un parametro della tavolozza. Fornisce anche una piattaforma per alcuni degli altri metodi diversi che potremmo creare sfumature in Seaborn. La funzione Set_Palette () è un metodo correlato alla tavolozza dei colori ().

Sia le funzioni set_palette () che color_palette () prendono parametri simili, ma le variabili di matplotlib standard vengono modificate per utilizzare la tavolozza in tutti i grafici. Ogni tavolozza di Seaborn può essere utilizzata con la funzione Colour_Palette (). Ciò potrebbe essere fornito anche con una serie di tonalità in qualsiasi configurazione di matplotlib appropriata. In questo articolo, vedremo come aggiungere tinta alla grafica usando il parametro color_palette della funzione.

Tavolozze di colori con un livello di alta qualità

Per visualizzare variabili strutturate, le tavolozze quantitative o classificate sono appropriate. Potremmo non aver dato color_palette () argomenti aggiuntivi e ora stiamo osservando 10 tonalità per impostazione predefinita. Possiamo osservare la varietà richiesta di tonalità regolando l'argomento dei colori "N" su una variabile. Il metodo Palplot () verrebbe usato per rappresentare longitudinalmente lo spettro dei colori.

Qui, integreremo la libreria Matplotlib da Pyplot come PLT e Seaborn come SB. Ora abbiamo applicato il metodo color_palette () della biblioteca Seaborn. Impostiamo il valore di questa funzione su current_palatte. Quindi, viene utilizzata la funzione Palplot () di Seaborn. Questa funzione contiene Current_Palette come parametro. Alla fine, per rappresentare il color_palettes, abbiamo impiegato il PLT.Show () funzione. La schermata di output è apposta qui che rappresenta la tavolozza dei colori.

Palette di colori in ordine

I grafici sincroni sono utili per illustrare i parametri statistici che vanno dai livelli più bassi ai più alti all'interno di uno spettro. Il grafico sequenziale viene creato aggiungendo l'elemento specifico "alla tonalità fornita all'argomento del colore. In questo caso, dobbiamo aggiungere "s" all'argomento, che è "blues.'

Dopo aver importato le librerie Matplotlib e Seaborn, abbiamo utilizzato il metodo Color_Palette () e abbiamo specificato il valore di questa funzione alla variabile corrente_palette. Nel passaggio successivo, abbiamo impiegato il metodo Palplot () che contiene la funzione color_Palette () come argomento. Entrambe le funzioni sono correlate al file di intestazione di Seaborn. Abbiamo specificato il colore della trama passando "blu" alla funzione color_palette (). Il PLT.il metodo show () viene applicato per illustrare le tavolozze dei colori. La schermata di output che rappresenta la tavolozza dei colori è fissata qui.

Una tavolozza di colori che è divergente

Sono state utilizzate due tonalità separate in palette divergenti. Ogni colore riflette una differenza statistica in entrambi gli orientamenti da un punto centrale. La mappa di calore nell'istanza successiva impiega due tonalità di contrasto. Quando si visualizzano dati deviati, l'argomento "centrale" verrà utilizzato per determinare il valore in cui il coLormap dovrebbe essere centrato. I dati sono orientati a zero, che è lo standard. Fornendo un valore al "centro" dell'argomento, possiamo manipolarlo. Vedremo un'illustrazione di una mappa di calore che ha dati centrati su 2 includendo un colormap divergente.

All'inizio del programma, importa la biblioteca Seaborn come SNS, Matplotlib.Pyplot come PLT, Panda come PD, numpy come NP. Ora, vogliamo creare il frame di dati in modo che abbiamo utilizzato la funzione Randn () del modulo numpy. Dichiariamo una variabile "df" per mantenere il valore del frame di dati. Nel passaggio successivo, dobbiamo disegnare la mappa di calore della cornice di dati specificata, quindi impieghiamo la funzione HeatMap (). Il pacchetto Seaborn contiene questa funzione.

Abbiamo fornito il frame di dati e il valore della variabile "centrale" come argomenti alla funzione di calore (). La funzione PLT.show () viene utilizzato per visualizzare la mappa di calore risultante. La schermata di output che rappresenta la tavolozza dei colori è fissata qui.

Crea una mappa utilizzando dati discreti

Possiamo trasformare i dati categorici in discreti e applicare quei numeri di valori nella visualizzazione se i dati sono costituiti da quelli. Le istanze seguenti dimostrano come e quando convertire le variabili continue in dati discontinui.

Prima di tutto, incorporiamo le biblioteche richieste. La biblioteca Seaborn sarà importata come SNS, matplotlib.Pyplot, Panda e Numpy sono tutti indicati rispettivamente come PLT, PD e NP. Ora che intendiamo generare un frame di dati, abbiamo usato il metodo Randn () del modulo Numpy. I valori sono stati definiti da questa tecnica. Specifichiamo inoltre una variabile "DF" per contenere il contenuto del frame di dati. Verrà quindi utilizzato il metodo DataFrame () della libreria Pandas. Questo metodo discretizza i valori degli attributi. Gli elementi del set di dati verrebbero divisi in tre variabili categoriche.

Stavamo usando la variabile "Col" per identificare le colonne della mappa di calore. La funzione List () prende il metodo Range () come argomento. Qui, utilizzeremo il metodo HeatMap () per creare una mappa di calore del set di dati fornito. Questo metodo sarà incluso nel modulo Seaborn. La mappa di calore generata viene visualizzata utilizzando il PLT.METODO SHOW (). La schermata di output rappresenta la tavolozza dei colori è fissata qui.

Conclusione

Abbiamo discusso della funzione Colour_Palette () della Biblioteca Seaborn che verrà impiegata per colorare il grafico in questo articolo. Potremmo creare i set di dati utilizzando più colori con l'aiuto di una tavolozza. Abbiamo parlato di come la tavolozza verrà utilizzata per creare più combinazioni CoLormap nelle illustrazioni. Abbiamo usato la biblioteca Seaborn per disegnare una semplice mappa di calore e fare semplici personalizzazioni, ma possiamo regolare ulteriormente la combinazione di colori del grafico.