Ciągłe palety kolorów

Ulepszanie wizualizacji danych w Pythonie

Nick Strayer

Instructor

lista ciągłych typów danych po lewej, nieciągłych po prawej

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

paleta kolorów od białego do niebieskiego

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

paleta od czarnego do czerwonego

mapa ciepła zakodowana kolorem po lewej i wykres słupkowy po prawej

Zachowaj prostotę

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)

jasnoniebieska mapa ciepła poziomów O3 w czasie

Zachowaj prostotę

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)

mapa ciepła stężeń O3 z kolorową paletą jet

Uwzględnij daltonizm

Unikaj przejść między zielenią a czerwienią
Bezpieczniejsze są palety oparte na intensywności

przejście od zieleni do czerwieni – smutna twarz, od jasnej czerwieni do czerwieni – uśmiechnięta twarz

Kodowanie wartości neutralnych

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

dywergentna paleta od niebieskiego do czerwonego

mapa ciepła odchyleń SO2 z dywergentną paletą od niebieskiego do czerwonego

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)

wykres z białym tłem i pomarańczowymi punktami – niższe wartości jako jaśniejsze

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)

wykres z czarnym tłem i pomarańczowymi punktami – niższe wartości jako ciemniejsze

Przejdźmy do ćwiczeń

Ulepszanie wizualizacji danych w Pythonie