연속형 색상 팔레트

Python으로 데이터 시각화 개선하기

Nick Strayer

Instructor

왼쪽은 연속형 데이터 유형 목록, 오른쪽은 비연속형

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

하양에서 파랑으로의 팔레트

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

검정에서 빨강으로의 팔레트

왼쪽은 색으로 인코딩한 히트맵, 오른쪽은 막대그래프

단순하게 유지하세요

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)

시간에 따른 O3 수준의 연한 파랑 히트맵

단순하게 유지하세요

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)

다채로운 jet 팔레트를 사용한 O3 히트맵

색각 이상을 고려하세요

초록–빨강 전환은 피하세요
명도 변화 팔레트가 더 안전합니다

초록에서 빨강은 슬픈 얼굴, 연한 빨강에서 빨강은 행복한 얼굴

중립값 인코딩

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

파랑에서 빨강으로 갈라지는 팔레트

파랑–빨강 발산 팔레트로 인코딩한 SO2 편차 히트맵

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)

흰 배경, 낮은 값을 더 연한 주황 점으로 강조한 차트

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)

검은 배경, 낮은 값을 더 어두운 주황 점으로 강조한 차트

이제 연습에서 이어갑니다

Python으로 데이터 시각화 개선하기