連續色彩調色盤

用 Python 改善你的資料視覺化

Nick Strayer

Instructor

左側為連續資料型別清單，右側為非連續

用 Python 改善你的資料視覺化
blue_scale = sns.light_palette("steelblue")
sns.palplot(blue_scale)

白到藍的調色盤

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

黑到紅的調色盤

用 Python 改善你的資料視覺化

左為以色彩編碼的熱圖，右為長條圖

用 Python 改善你的資料視覺化

保持簡單

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)

以淡藍呈現 O3 隨時間的熱圖

用 Python 改善你的資料視覺化

保持簡單

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)

以多彩 jet 調色盤呈現 O3 熱圖

用 Python 改善你的資料視覺化

注意色盲可讀性

  • 避免綠紅之間的轉換
  • 使用亮度變化的調色盤較安全

綠到紅＝難辨，淺紅到紅＝易辨

用 Python 改善你的資料視覺化

編碼中性值

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

藍到紅的發散調色盤

以藍到紅發散調色盤編碼 SO2 偏差的熱圖

用 Python 改善你的資料視覺化
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)

白色背景，橘色點；低值以更淺色呈現

用 Python 改善你的資料視覺化
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)

黑色背景，橘色點；低值以更深色呈現

用 Python 改善你的資料視覺化

繼續到練習裡

用 Python 改善你的資料視覺化

Preparing Video For Download...