Plotstijl en kleur wijzigen

Introductie tot datavisualisatie met Seaborn

Content Team

DataCamp

Waarom aanpassen?

Redenen om stijl te wijzigen:

Persoonlijke voorkeur
Leesbaarheid verbeteren
Interpretatie sturen

Figuurstijl wijzigen

Figuurstijl omvat achtergrond en assen
Voorinstellingen: "white", "dark", "whitegrid", "darkgrid", "ticks"
sns.set_style()

Standaard figuurstijl ("white")

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

plt.show()

Puntplot van mannelijkheidsenquête

Figuurstijl: "whitegrid"

sns.set_style("whitegrid")

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

plt.show()

Puntplot met wit raster

Andere stijlen

sns.set_style("ticks")

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

plt.show()

Puntplot met streepjes

Andere stijlen

sns.set_style("dark")

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

plt.show()

Puntplot met donkere achtergrond

Andere stijlen

sns.set_style("darkgrid")

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

plt.show()

Puntplot met donker raster

Palet wijzigen

Figuurpalet bepaalt de kleur van de hoofdelementen
sns.set_palette()
Gebruik voorinstellingen of maak een eigen palet

Divergerende paletten

Vier voorbeeld van divergerende paletten

Voorbeeld (standaardpalet)

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()

Countplot van enquêteresultaten

Voorbeeld (divergerend palet)

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()

Countplot met divergerend palet

Sequentiële paletten

Vier voorbeeld van sequentiële paletten

Voorbeeld sequentieel palet

Spreidplot van pk vs. mpg met sequentieel palet

¹ Waskom, M. L. (2021). seaborn: statistical data visualization. https://seaborn.pydata.org/

Aangepaste paletten

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

sns.set_palette(custom_palette)

Aangepast palet met kleurnamen

Aangepaste paletten

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

sns.set_palette(custom_palette)

Aangepast palet met hex-codes

Schaal aanpassen

Figuurcontext schaalt elementen en labels
sns.set_context()
Klein naar groot: "paper", "notebook", "talk", "poster"

Standaardcontext: "paper"

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

plt.show()

Puntplot met notebook-context

Grotere context: "talk"

sns.set_context("talk")

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

plt.show()

Puntplot met grotere context

Laten we oefenen!

Introductie tot datavisualisatie met Seaborn