Kontinuerliga färgpaletter

Förbättra dina datavisualiseringar i Python

Nick Strayer

Instructor

lista med kontinuerliga datatyper till vänster, icke-kontinuerliga till höger

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

färgpalett från vitt till blått

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

färgpalett från svart till rött

färgkodad värmekarta till vänster och stapeldiagram till höger

Håll det enkelt

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)

ljusblå värmekarta över O3-nivåer över tid

Håll det enkelt

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)

värmekarta över O3-föroreningsvärden med den färgglada jet-paletten

Tänk på färgblindhet

Undvik övergångar mellan grönt och rött
Paletter som använder intensitet är säkrare

grönt till rött ger ledset ansikte, ljusrött till rött ger glatt ansikte

Koda neutrala värden

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

divergerande palett från blått till rött

värmekarta över SO2-avvikelser kodad med divergerande blå-till-röd palett

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)

diagram med vit bakgrund och orangea punkter där låga värden visas som ljusare

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)

diagram med svart bakgrund och orangea punkter där låga värden visas som mörkare

Nu kör vi en övning!

Förbättra dina datavisualiseringar i Python