Palettes de couleurs continues

Améliorer vos visualisations de données en Python

Nick Strayer

Instructor

liste des types de données continues à gauche, non continues à droite

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

palette de blanc à bleu

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

palette de noir à rouge

carte thermique codée par couleur à gauche et diagramme à barres à droite

Restez simple

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)

carte thermique bleu pâle des niveaux d'o3 dans le temps

Restez simple

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)

carte thermique des valeurs d'o3 avec la palette colorée jet

Tenez compte du daltonisme

Évitez les transitions vert‑rouge
Les palettes basées sur l'intensité sont plus sûres

vert à rouge égal visage triste, rouge pâle à rouge égal visage heureux

Encoder les valeurs neutres

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

palette divergente du bleu au rouge

carte thermique des écarts de SO2 codés avec une palette divergente bleu‑rouge

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)

graphique sur fond blanc avec des points orange où les faibles valeurs sont plus pâles

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)

graphique sur fond noir avec des points orange où les faibles valeurs sont plus foncées

Poursuivons dans les exercices

Améliorer vos visualisations de données en Python