Palettes de couleurs continues

Améliorer vos visualisations de données en Python

Nick Strayer

Instructor

liste des types de données continues à gauche, non continues à droite

blue_scale = sns.light_palette("steelblue")
sns.palplot(blue_scale)

palette de blanc à bleu

red_scale = sns.dark_palette("orangered")
sns.palplot(red_scale)

palette de noir à rouge

carte thermique à gauche encodée par couleur et histogramme à droite

Restez simple

indy_oct = pollution.query("year == 2015 & city == 'Indianapolis'")
blue_scale = sns.light_palette("steelblue", as_cmap = True)
sns.heatmap(indy_oct[['O3']], cmap = blue_scale)

carte thermique bleu clair des niveaux d'o3 dans le temps

Restez simple

indy_oct = pollution.query("year == 2015 & city == 'Indianapolis'")
jet_scale = palette = sns.color_palette('jet', as_cmap = True)
sns.heatmap(indy_oct[['O3']], cmap = jet_scale)

carte thermique des valeurs d'o3 avec la palette colorée jet

Attention au daltonisme

Évitez les transitions du vert au rouge
Les palettes basées sur l'intensité sont plus sûres

vert vers rouge = visage triste, rouge clair vers rouge = visage content

Encoder les valeurs neutres

pal_light = sns.diverging_palette(250, 0)
pal_dark  = sns.diverging_palette(250, 0, center = 'dark')

palette divergente du bleu au rouge

carte thermique des écarts de SO2 encodée avec une palette divergente bleu-rouge

plt.style.use('seaborn-white')

light_palette = sns.light_palette("orangered")
sns.scatterplot(x = 'CO', y = 'NO2', hue = 'O3', data = lb_2012, 
                palette = light_palette)

graphique sur fond blanc avec des points orange où les faibles valeurs sont plus claires

plt.style.use('dark_background')

dark_palette = sns.dark_palette("orangered")
sns.scatterplot(x = 'CO', y = 'NO2', hue = 'O3', data = lb_2012, 
                palette = dark_palette)

graphique sur fond noir avec des points orange où les faibles valeurs sont plus sombres

Poursuivons avec les exercices

Améliorer vos visualisations de données en Python