seaborn教程1——风格选择

原文链接：https://segmentfault.com/a/1190000014915873

Seaborn学习大纲

seaborn的学习内容主要包含以下几个部分：

风格管理
- 绘图风格设置
- 颜色风格设置
绘图方法
- 数据集的分布可视化
- 分类数据可视化
- 线性关系可视化
结构网格
- 数据识别网格绘图

本次将主要介绍颜色调控的使用。

0、seaborn介绍：

　　Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。

安装方法：

1 pip install seaborn

1、管理图表的艺术

　　画一个吸引人注意的图表相当重要。当你探索一个数据集，需要画图表，图表看起来令人愉悦是件很高兴的事。在与你的观众交流观点时，可视化同样重要，同时，也很有必要去让图表吸引注意力和印入脑海里。Matplotlib自动化程度非常高，但是，掌握如何设置系统以便获得一个吸引人的图是相当困难的事。为了控制matplotlib图表的外观，Seaborn模块自带许多定制的主题和高级的接口。

1.1 让我们定义一个简单的函数来绘制一些偏移正弦波，这将帮助我们看到可以调整的不同样式参数。使用matplotlib默认值时的图：

1.2 转换成Seaborn模块，再次绘图

#转换成Seaborn模块，只需要引入seaborn模块。
import seaborn as sns
sns.set()#切换到seaborn默认值
sinplot()

seaborn默认浅灰色背景与白色网络线的灵感来源于matplotlib，却比matplotlib的颜色更多柔和。我们发现，网络线对于传播信息很有用，几乎在所有情况下，人们喜欢图甚于表。默认情况下白灰网格的形式可以避免过于刺眼。在多面作图的情况下，网络形式显得相当的有利，提供了一种作图结构，这对模块中的一些复杂工具非常重要。

2、seaborn的两类函数

Seaborn 将 matplotlib 的参数划分为两个独立的组合。第一组是设置绘图的外观风格的，第二组主要将绘图的各种元素按比例缩放的，以至可以嵌入到不同的背景环境中。

操控这些参数的接口主要有两对方法：

控制风格：axes_style(), set_style()
缩放绘图：plotting_context(), set_context()

每对方法中的第一个方法（axes_style(), plotting_context()）会返回一组字典参数，而第二个方法（set_style(), set_context()）会设置matplotlib的默认参数。

2.1 控制风格 `axes_style()` and `set_style()`

2.1.1 设置图表主题`set_style()`

　　有五种预设的seaborn主题：暗网格(darkgrid)，白网格(whitegrid)，全黑(dark)，全白(white)，全刻度(ticks)。以适应不同人不同的爱好。

默认主题是暗网格，网格可以帮助我们定量的查找数据，并且灰色背景上的白色网格线可以防止网格线和数据线冲突。

白网格（WhiteGrid）主题也是类似，但它更适合具有大量数据元素的绘图：

对于许多绘图（尤其是像talks这样的设置(especially for settings like talks)，您主要希望使用图形来提供数据中模式的印象），网格的必要性就降低了，此时可以使用全黑或全白风格

1 sns.set_style("dark") #全黑风格
2 sinplot()

sns.set_style("white") # 全白
sinplot()

有时你需要给出一点额外的图表结构信息，此时全刻度模式就派上用场了。

1 sns.set_style("ticks") #全刻度
2 sinplot()

2.1.2 去除轴脊柱

　　全白（white）和全刻度（tick）都可以从去除不必要的上边框和右边框中获益。可以调用seaborn函数destine（）来删除它们：

1 sinplot()
2 sns.despine()

一些图表获益于限制数据脊柱，这也可以调用destine()来完成。当刻度没有完全覆盖整个轴的范围时，trim参数可以用来限制已有脊柱的范围。

1 f, ax = plt.subplots()
2 sns.violinplot(data=data)
3 sns.despine(offset=10, trim=True);

你也可以通过despine()控制哪个脊柱将被移除。

1 sns.set_style("whitegrid")
2 sns.boxplot(data=data, palette="deep")
3 sns.despine(left=True)

2.1.3 临时设置绘图风格

虽然来回切换风格很容易，但是你也可以在一个with语句中使用axes_style()方法来临时的设置绘图参数。这也允许你用不同风格的轴来绘图：

1 with sns.axes_style("darkgrid"):
2     plt.subplot(211)
3     sinplot()
4 plt.subplot(212)
5 sinplot(-1)

2.1.4 覆盖seaborn风格元素

如果你想定制化seaborn风格，你可以将一个字典参数传递给axes_style()和set_style()的参数rc。而且你只能通过这个方法来覆盖风格定义中的部分参数。

如果你想要看看这些参数都是些什么，可以调用这个方法，且无参数，这将会返回下面的设置：

然后你可以设置这些参数的不同版本了

1 sns.set_style("darkgrid", {"axes.facecolor": ".9"})
2 sinplot()

2.2 缩放绘图：`plotting_context()`, `set_context()`

有一套的参数可以控制绘图元素的比例。
首先，让我们通过set()重置默认的参数：

sns.set()

有四个预置的环境，按大小从小到大排列分别为：paper, notebook, talk, poster。其中，notebook是默认的。

sns.set_context("paper")
sinplot()

sns.set_context("talk")
sinplot()

sns.set_context("poster")
sinplot()

你可以通过使用这些名字中的一个调用set_context()来设置参数，并且你可以通过提供一个字典参数值来覆盖参数。当改变环境时，你也可以独立的去缩放字体元素的大小。

sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 2.5})
sinplot()

同样的，你可以通过嵌入with语句临时的控制绘图的比例