Категоріальні палітри

Удосконалення візуалізацій даних у Python

Nick Strayer

Instructor

три панелі з країнами, містами й птахами як приклади категоріальних даних

Обмеження сприйняття

Обмежтеся 10 або менше категоріями
Враховуйте дальтонізм

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

Багато кольорів, які важко розрізнити через їхню кількість

# 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'))

точковий графік, де Long Beach і Cincinnati мають окремі кольори, а решта міст зібрані в «other»

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')

Набір доступних категоріальних палітр кольорів

Порядкові дані (a)

Є порядок між класами
Фіксована кількість окремих класів

Діаграма з чотирма квартилями

Порядкові дані (b)

Є порядок між класами
Фіксована кількість окремих класів

Діаграма із семи днями тижня

Порядкові дані (c)

Є порядок між класами
Фіксована кількість окремих класів

Шкала від «щасливого» до «сумного» з емодзі-обличчями

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))

Набір доступних порядкових палітр

# 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"))

Точковий графік CO і SO2, де тертилі NO2 закодовано червоною порядковою шкалою

Розфарбуймо категорії

Удосконалення візуалізацій даних у Python