Paleta de colores marinos
Color_palette () La función es la parte más integral de la operación con esquemas de color únicos. Este método se aplica implícitamente por la función que contiene un parámetro de paleta. También proporciona una plataforma para algunos de los otros métodos diferentes que podríamos crear tonos en Seaborn. La función set_palette () es un método relacionado con la paleta de color ().
Tanto las funciones set_palette () como Colour_palette () toman parámetros similares, pero las variables de matlotlib estándar están alteradas para emplear la paleta en todos los gráficos. Cada paleta marea se puede usar con la función Colour_palette (). Esto también podría proporcionar un conjunto de tonos en cualquier configuración de matplotlib apropiada. En este artículo, veremos cómo agregar tinte a las imágenes utilizando el parámetro Color_palette de la función.
Paletas de colores con un nivel de alta calidad
Para mostrar variables estructuradas, son apropiadas paletas cuantitativas o categorizadas. Es posible que no hayamos dado argumentos adicionales color_palette (), y ahora estamos observando 10 tonos por defecto. Podemos observar la variedad requerida de tonos ajustando el argumento de colores "n" a una variable. El método palplot () se utilizaría para representar longitudinalmente el espectro de colores.
Aquí, vamos a integrar la biblioteca Matplotlib de Pyplot como PLT y Seaborn como SB. Ahora, hemos aplicado el método color_palette () de la biblioteca marítima. Establecemos el valor de esta función en el actual_palatte. Entonces, se utiliza la función palplot () de Seaborn. Esta función contiene la actual_palette como su parámetro. Al final, para representar el color_palettes, hemos empleado el PLT.función show (). La pantalla de salida se fija aquí que representa la paleta de colores.
Paletas de colores en orden
Los gráficos sincrónicos son útiles para ilustrar los parámetros estadísticos que van desde los niveles más bajos hasta los más altos dentro de un espectro. El gráfico secuencial se crea agregando el elemento específico 's' al tono proporcionado al argumento de color. En este caso, tenemos que agregar 's' al argumento, que es 'blues.'
Después de importar las bibliotecas Matplotlib y Seaborn, hemos utilizado el método Color_palette () y especificado el valor de esta función a la variable Current_Palette. En el siguiente paso, hemos empleado el método palplot () que contiene la función color_palette () como argumento. Ambas funciones están relacionadas con el archivo de encabezado SeaBorn. Hemos especificado el color de la gráfica pasando 'blues' a la función color_palette (). El PLT.El método show () se está aplicando para ilustrar las paletas de colores. La pantalla de salida que representa la paleta de colores se fija aquí.
Una paleta de colores que es divergente
Se han utilizado dos tonos separados en paletas divergentes. Cada color refleja una diferencia estadística en cualquier orientación desde un punto central. El mapa de calor en la instancia siguiente emplea dos tonos de contraste. Al mostrar datos de desviación, el argumento 'Center' se utilizará para determinar el valor donde se debe centrar el colormapapado. Los datos están orientados en cero, que es el estándar. Al proporcionar un valor al argumento 'centro', podemos manipularlo. Veremos una ilustración de un mapa de calor que tiene datos centrados en 2 al incluir un color de color divergente.
Al comienzo del programa, importamos la biblioteca Seaborn como SNS, Matplotlib.Pyplot como PLT, Pandas como PD, Numpy como NP. Ahora, queremos crear el marco de datos para que hayamos utilizado la función randn () del módulo numpy. Declaramos una variable 'DF' para mantener el valor del marco de datos. En el siguiente paso, tenemos que dibujar el mapa de calor del marco de datos especificado para que empleemos la función HeatMap (). El paquete marítimo contiene esta función.
Hemos proporcionado el marco de datos y el valor de la variable 'Center' como sus argumentos a la función HeatMap (). La función plt.show () se usa para mostrar el mapa de calor resultante. La pantalla de salida que representa la paleta de colores se fija aquí.
Crear un mapa utilizando datos discretos
Podemos transformar los datos categóricos en discretos y aplicar esos números de valores en la visualización si los datos consisten en aquellos. Las instancias a continuación demuestran cómo y cuándo convertir variables continuas en datos discontinuos.
En primer lugar, incorporamos las bibliotecas requeridas. La biblioteca sevia se importará como SNS, matplotlib.Pyplot, Pandas y Numpy se conocen como PLT, PD y NP, respectivamente. Ahora que tenemos la intención de generar un marco de datos, hemos utilizado el método randn () del módulo Numpy. Los valores han sido definidos por esta técnica. Además, especificamos una variable 'DF' para mantener el contenido del marco de datos. Por lo tanto, se utilizará el método DataFrame () de la biblioteca Pandas. Este método discretiza los valores de los atributos. Los elementos del conjunto de datos se dividirían en tres variables categóricas.
Estábamos usando la variable 'col' para identificar las columnas del mapa de calor. La función List () toma el método Range () como argumento. Aquí, vamos a usar el método HeatMap () para crear un mapa de calor del conjunto de datos proporcionado. Este método se incluirá en el módulo marítimo. El mapa de calor generado se visualiza utilizando el PLT.método show (). La pantalla de salida representa la paleta de colores aquí.
Conclusión
Discutimos la función Colour_palette () de la Biblioteca Seborn que se empleará para colorear el gráfico en este artículo. Podemos crear los conjuntos de datos utilizando múltiples colores con la ayuda de una paleta. Hemos hablado sobre cómo se utilizará la paleta para crear múltiples combinaciones de color de color de color en ilustraciones. Hemos usado la biblioteca marina para dibujar un mapa de calor simple y hacer personalizaciones simples, pero podemos ajustar aún más el esquema de color del gráfico.