變更圖表樣式與色彩

Seaborn 資料視覺化入門

Content Team

DataCamp

為何要自訂？

更改樣式的原因：

個人偏好
提升可讀性
引導解讀

變更圖表樣式

圖表的「style」含背景與座標軸
預設選項：「white」、「dark」、「whitegrid」、「darkgrid」、「ticks」
sns.set_style()

預設圖表樣式（「white」）

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

男性氣質調查的點圖

圖表樣式：「whitegrid」

sns.set_style("whitegrid")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

白色網格背景的點圖

其他樣式

sns.set_style("ticks")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

含刻度線的點圖

其他樣式

sns.set_style("dark")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

深色背景的點圖

其他樣式

sns.set_style("darkgrid")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

深色網格背景的點圖

變更調色盤

圖表的「palette」會改變主要圖形元素的色彩
sns.set_palette()
可用預設或自訂調色盤

發散型調色盤

四種發散型調色盤範例

範例（預設調色盤）

category_order = ["No answer", 
                  "Not at all",
                  "Not very", 
                  "Somewhat", 
                  "Very"]

sns.catplot(x="how_masculine",
            data=masculinity_data,
            kind="count",
            order=category_order)

plt.show()

調查回應的計數圖

範例（發散型調色盤）

sns.set_palette("RdBu")

category_order = ["No answer", 
                  "Not at all",
                  "Not very", 
                  "Somewhat", 
                  "Very"]

sns.catplot(x="how_masculine",
            data=masculinity_data,
            kind="count",
            order=category_order)

plt.show()

使用發散型調色盤的計數圖

序列型調色盤

四種序列型調色盤範例

序列型調色盤範例

馬力對每加侖英里數的散佈圖（序列型調色盤）

¹ Waskom, M. L. (2021). seaborn: statistical data visualization. https://seaborn.pydata.org/

自訂調色盤

custom_palette = ["red", "green", "orange", "blue",
                  "yellow", "purple"]

sns.set_palette(custom_palette)

自訂顏色名稱調色盤

自訂調色盤

custom_palette = ['#FBB4AE', '#B3CDE3', '#CCEBC5', 
                  '#DECBE4', '#FED9A6', '#FFFFCC', 
                  '#E5D8BD', '#FDDAEC', '#F2F2F2']

sns.set_palette(custom_palette)

自訂 Hex 代碼調色盤

變更比例尺

圖表的「context」會改變圖形元素與標籤的比例
sns.set_context()
由小到大：「paper」、「notebook」、「talk」、「poster」

預設情境：「paper」

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

「notebook」情境的點圖

較大情境：「talk」

sns.set_context("talk")

sns.catplot(x="age", 
            y="masculinity_important",
            data=masculinity_data,
            hue="feel_masculine",
            kind="point")

plt.show()

較大情境的點圖

一起來練習吧！

Seaborn 資料視覺化入門