Palety kategoryczne

Ulepszanie wizualizacji danych w Pythonie

Nick Strayer

Instructor

Trzy panele z przykładami danych kategorycznych: kraje, miasta i ptaki

Ograniczenia percepcji

Zalecane maksymalnie 10 kategorii
Uwzględnij daltonizm

sns.palplot(sns.color_palette('Set2', 11))

Wiele kolorów trudnych do odróżnienia ze względu na ich liczbę

# Assign a new column to dataframe the desired combos
pollution['interesting cities'] = [x if x in ['Long Beach', 'Cincinnati'] 
                                   else 'other' for x in pollution['city'] ]

sns.scatterplot(x="NO2", y="SO2", hue = 'interesting cities', palette='Set2',
                data=pollution.query('year == 2014 & month == 12'))

Wykres punktowy z odrębnymi kolorami dla Long Beach i Cincinnati oraz jednym kolorem dla pozostałych miast

colorbrewer_palettes = ['Set1',   'Set2',    'Set3',    'Accent', 
                        'Paired', 'Pastel1', 'Pastel2', 'Dark2']

for pal in colorbrewer_palettes: 
    sns.palplot(pal=sns.color_palette(pal))
    plt.title(pal, loc = 'left')

Seria dostępnych kategorycznych palet kolorów

Dane porządkowe (a)

Klasy mają określoną kolejność
Skończona liczba odrębnych klas

Diagram przedstawiający cztery kwartyle

Dane porządkowe (b)

Klasy mają określoną kolejność
Skończona liczba odrębnych klas

Diagram przedstawiający siedem dni tygodnia

Dane porządkowe (c)

Klasy mają określoną kolejność
Skończona liczba odrębnych klas

Diagram przedstawiający skalę od szczęścia do smutku za pomocą emoji

colorbrewer_palettes = ['Reds', 'Blues', 'YlOrBr', 'PuBuGn', 'GnBu', 'Greys']

for i, pal in enumerate(colorbrewer_palettes): 
    sns.palplot(pal=sns.color_palette(pal, n_colors=i+4))

Seria dostępnych palet porządkowych

# Make a tertials column using qcut()
pollution['NO2 Tertial'] = pd.qcut(pollution['NO2'], 3, labels = False)

# Plot colored by the computer tertials 
sns.scatterplot(x="CO", y="SO2", hue='NO2 Tertial', palette="OrRd",
                data=pollution.query("city == 'Long Beach' & year == 2014"))

Wykres punktowy CO i SO2 z tertylami NO2 zakodowanymi czerwoną skalą porządkową

Czas pokolorować kategorie

Ulepszanie wizualizacji danych w Pythonie