Zmiana stylu i kolorów wykresu

Wprowadzenie do wizualizacji danych z Seaborn

Content Team

DataCamp

Dlaczego warto dostosowywać styl?

Powody zmiany stylu:

Preferencje osobiste
Poprawa czytelności
Ułatwienie interpretacji

Zmiana stylu wykresu

"Styl" wykresu obejmuje tło i osie
Gotowe opcje: "white", "dark", "whitegrid", "darkgrid", "ticks"
sns.set_style()

Domyślny styl wykresu ("white")

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

plt.show()

Wykres punktowy ankiety o męskości

Styl wykresu: "whitegrid"

sns.set_style("whitegrid")

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

plt.show()

Wykres punktowy z białą siatką w tle

Inne style

sns.set_style("ticks")

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

plt.show()

Wykres punktowy ze znacznikami osi

Inne style

sns.set_style("dark")

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

plt.show()

Wykres punktowy z ciemnym tłem

Inne style

sns.set_style("darkgrid")

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

plt.show()

Wykres punktowy z ciemną siatką w tle

Zmiana palety kolorów

"Paleta" wykresu zmienia kolor głównych elementów
sns.set_palette()
Użyj gotowych palet lub utwórz własną

Palety dywergentne

Cztery przykładowe palety dywergentne

Przykład (domyślna paleta)

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()

Wykres liczebności odpowiedzi ankietowych

Przykład (paleta dywergentna)

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()

Wykres liczebności z paletą dywergentną

Palety sekwencyjne

Cztery przykładowe palety sekwencyjne

Przykład palety sekwencyjnej

Wykres punktowy mocy silnika a spalanie z paletą sekwencyjną

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

Niestandardowe palety

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

sns.set_palette(custom_palette)

Niestandardowa paleta z nazwami kolorów

Niestandardowe palety

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

sns.set_palette(custom_palette)

Niestandardowa paleta z kodami hex

Zmiana skali

"Kontekst" wykresu zmienia skalę elementów i etykiet
sns.set_context()
Od najmniejszego do największego: "paper", "notebook", "talk", "poster"

Domyślny kontekst: "paper"

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

plt.show()

Wykres punktowy z kontekstem notebook

Większy kontekst: "talk"

sns.set_context("talk")

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

plt.show()

Wykres punktowy z większym kontekstem

Czas na ćwiczenia!

Wprowadzenie do wizualizacji danych z Seaborn