Stil und Farben von Diagrammen ändern

Einführung in die Datenvisualisierung mit Seaborn

Erin Case

Data Scientist

Warum den Stil anpassen?

Gründe für Stilanpassungen:

  • Persönliche Vorliebe
  • Bessere Lesbarkeit
  • Erleichterte Interpretation
Einführung in die Datenvisualisierung mit Seaborn

Diagrammstil ändern

  • Diagrammstil umfasst Hintergrund und Achsen
  • Standardoptionen: „white“ (weiß), „dark“ (dunkel), „whitegrid“ (weißes Gitter), „darkgrid“ (dunkles Gitter), „ticks“ (Teilstriche)
  • sns.set_style()
Einführung in die Datenvisualisierung mit Seaborn

Standard-Diagrammstil: „white“

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Punktdiagramm für die Maskulinitätsumfrage

Einführung in die Datenvisualisierung mit Seaborn

Diagrammstil: „whitegrid“

sns.set_style("whitegrid")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Punktdiagramm mit weißem Gitterhintergrund

Einführung in die Datenvisualisierung mit Seaborn

Weitere Stile

sns.set_style("ticks")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Punktdiagramm mit Teilstrichen

Einführung in die Datenvisualisierung mit Seaborn

Weitere Stile

sns.set_style("dark")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Punktdiagramm mit dunklem Hintergrund

Einführung in die Datenvisualisierung mit Seaborn

Weitere Stile

sns.set_style("darkgrid")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Punktdiagramm mit dunklem Gitterhintergrund

Einführung in die Datenvisualisierung mit Seaborn

Farbpalette ändern

  • Palette legt die Farben für die Hauptelemente im Diagramm fest
  • sns.set_palette()
  • Nutzung vordefinierter Paletten oder Erstellung eigener Paletten
Einführung in die Datenvisualisierung mit Seaborn

Divergierende Farbpaletten

Vier Beispiele für divergierende Paletten

Einführung in die Datenvisualisierung mit Seaborn

Beispiel (voreingestellte Palette)

category_order = ["No answer", 
                  "Not at all",
                  "Not very", 
                  "Somewhat", 
                  "Very"]

sns.catplot(x="how_masculine",
            data=masculinity_data,
            kind="count",
            order=category_order)

plt.show()

Zähldiagramm für Umfrageantworten

Einführung in die Datenvisualisierung mit Seaborn

Beispiel (divergierende Palette)

sns.set_palette("RdBu")

category_order = ["No answer", 
                  "Not at all",
                  "Not very", 
                  "Somewhat", 
                  "Very"]

sns.catplot(x="how_masculine",
            data=masculinity_data,
            kind="count",
            order=category_order)

plt.show()

Zähldiagramm mit divergierender Palette

Einführung in die Datenvisualisierung mit Seaborn

Sequenzielle Paletten

Vier Beispiele für sequenzielle Paletten

Einführung in die Datenvisualisierung mit Seaborn

Beispiel (sequenzielle Palette)

Streudiagramm für PS und Kraftstoffverbrauch mit sequenzieller Farbpalette

1 Waskom, M. L. (2021). seaborn: statistical data visualization. https://seaborn.pydata.org/
Einführung in die Datenvisualisierung mit Seaborn

Benutzerdefinierte Paletten

custom_palette = ["red", "green", "orange", "blue",
                  "yellow", "purple"]

sns.set_palette(custom_palette)

Benutzerdefinierte Palette mit Farbnamen

Einführung in die Datenvisualisierung mit Seaborn

Benutzerdefinierte Paletten

custom_palette = ['#FBB4AE', '#B3CDE3', '#CCEBC5', 
                  '#DECBE4', '#FED9A6', '#FFFFCC', 
                  '#E5D8BD', '#FDDAEC', '#F2F2F2']

sns.set_palette(custom_palette)

Benutzerdefinierte Palette mit HEX-Codes

Einführung in die Datenvisualisierung mit Seaborn

Maßstab ändern

  • Diagrammkontext ändert den Maßstab der Elemente und Beschriftungen
  • sns.set_context()
  • Von klein nach groß: „paper“, „notebook“, „talk“, „poster“
Einführung in die Datenvisualisierung mit Seaborn

Standardkontext: „paper“

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Punktdiagramm mit „Notebook“-Kontext

Einführung in die Datenvisualisierung mit Seaborn

Größerer Kontext: „talk“

sns.set_context("talk")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

Punktdiagramm mit größerer Darstellung

Einführung in die Datenvisualisierung mit Seaborn

Lass uns üben!

Einführung in die Datenvisualisierung mit Seaborn

Preparing Video For Download...