Python可视化之seborn图形外观设置

目录
  • 1、设置背景风格
    • 使用set_style设置图形背景风格
    • 不同子图使用不同背景风格
    • 自定义背景风格
  • 2、设置外框（脊柱）
  • 3、图形缩放
  • 4、同时设置背景|图形缩放

本文将了解什么？

1、设置背景风格

  • 使用set_style设置图形背景风格
  • 不同子图使用不同背景风格
  • 自定义背景风格

2、设置外框（脊柱）
3、图形缩放
4、同时设置背景|图形缩放

1、设置背景风格

使用set_style设置图形背景风格

#seaborn包含5中背景风格darkgrid, whitegrid, dark, white, ticks，默认为dark
#set_style()修改风格，以下展示5种风格差异
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
for i in list('darkgrid, whitegrid, dark, white, ticks'.split(', ')):
    sns.set_style(style='%s'%i)
    plt.figure()
    plt.plot(range(10),[i+1 for i in range(10)]) 
    plt.title('%s'%i)

不同子图使用不同背景风格

axes_style() 结合with

f = plt.figure(figsize=(6, 6))
gs = f.add_gridspec(2, 2)

with sns.axes_style("darkgrid"):
    ax = f.add_subplot(gs[0, 0])
    plt.plot(range(10),[i+1 for i in range(10)])

with sns.axes_style("white"):
    ax = f.add_subplot(gs[0, 1])
    plt.plot(range(10),[i+1 for i in range(10)])

with sns.axes_style("ticks"):
    ax = f.add_subplot(gs[1, 0])
    plt.plot(range(10),[i+1 for i in range(10)])

with sns.axes_style("whitegrid"):
    ax = f.add_subplot(gs[1, 1])
    plt.plot(range(10),[i+1 for i in range(10)])

f.tight_layout()

自定义背景风格

sns.axes_style('darkgrid')#输出'darkgrid'默认配置

{'figure.facecolor': 'white',
 'axes.labelcolor': '.15',
 'xtick.direction': 'out',
 'ytick.direction': 'out',
 'xtick.color': '.15',
 'ytick.color': '.15',
 'axes.axisbelow': True,
 'grid.linestyle': '-',
 'text.color': '.15',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'DejaVu Sans',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif'],
 'lines.solid_capstyle': 'round',
 'patch.edgecolor': 'w',
 'patch.force_edgecolor': True,
 'image.cmap': 'rocket',
 'xtick.top': False,
 'ytick.right': False,
 'axes.grid': True,
 'axes.facecolor': '#EAEAF2',
 'axes.edgecolor': 'white',
 'grid.color': 'white',
 'axes.spines.left': True,
 'axes.spines.bottom': True,
 'axes.spines.right': True,
 'axes.spines.top': True,
 'xtick.bottom': False,
 'ytick.left': False}
sns.set_style("darkgrid", {"axes.facecolor": "pink"})#修改背景色
plt.plot(range(10),[i+1 for i in range(10)])

2、设置外框（脊柱）

seaborn.despine

plt.plot(range(10),[i+1 for i in range(10)])
sns.despine(fig=None, ax=None, 
            top=True, right=True, left=False, bottom=False, #上，右，左，下外框开关
            offset=None, trim=False
           )

3、图形缩放

plotting_context() set_context()

#seaborn包含4模式可选：paper,notebook,talk,poster，默认为notebook
#set_context()修改模式，以下展示4种风格差异
for i in list('paper,notebook,talk,poster'.split(',')):
    sns.set_context(context='%s'%i)
    plt.figure(dpi=80)
    plt.plot(range(10),[i+1 for i in range(10)]) 
    plt.title('%s'%i)

4、同时设置背景|图形缩放

set()

sns.set(context='notebook', #设置缩放
        style='darkgrid', #设置背景风格
        palette='deep', #设置colormap
        font='sans-serif', font_scale=1, color_codes=True, rc=None)

到此这篇关于Python可视化之seborn图形外观设置的文章就介绍到这了,更多相关seborn图形外观设置内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • 详解利用python-highcharts库绘制交互式可视化图表

    详解利用python-highcharts库绘制交互式可视化图表

    目录 python-highcharts库的简单介绍 python-highcharts具体案例 总结 今天小编给大家推荐一个超强交互式可视化绘制工具-python-highcharts,熟悉HightCharts绘图软件的小伙伴对这个不会陌生,python-highcharts就是使用Python进行Highcharts项目绘制,简单的说就是实现Python和Javascript之间的简单转换层,话不多说,我们直接进行介绍,具体包括以下几个方面: python-highcharts库的简单介绍

  • Python可视化学习之matplotlib内置单颜色

    Python可视化学习之matplotlib内置单颜色

    目录 1.matplotlib支持的颜色格式 2.matplotlib颜色使用方法 3.matplotlib内置单颜色色号 'BASE_COLORS'色号 'BASE_COLORS'色图 TABLEAU_COLORS色号 TABLEAU_COLORS色图 CSS4_COLORS色号 CSS4_COLORS色图 XKCD_COLORS色号 XKCD_COLORS色图 1.matplotlib支持的颜色格式 1.RGB 或者 RGBA 元组格式颜色 元组中浮点型数值位于 [0, 1] 之间,e.g(

  • Python可视化学习之seaborn调色盘

    Python可视化学习之seaborn调色盘

    目录 1.color_palette()函数 2.seaborn可用调色盘 choose_colorbrewer_palette函数 Qualitativecolorpalettes Sequentialcolorpalettes Divergingcolorpalettes 1.color_palette() 函数 该函数是seaborn选取颜色关键函数 color_palette() will accept the name of any seaborn palette or matplot

  • 如何利用 Python 绘制动态可视化图表

    如何利用 Python 绘制动态可视化图表

    目录 一.安装相关的模块 二.gif和matplotlib的结合 三.gif和plotly的结合 四.matplotlib多子图动态可视化 五.动态气泡图 一.安装相关的模块 首先第一步的话我们需要安装相关的模块,通过pip命令来安装 pip install gif 另外由于gif模块之后会被当做是装饰器放在绘制可视化图表的函数上,主要我们依赖的还是Python当中绘制可视化图表的matplotlib.plotly.以及altair这些模块,因此我们还需要下面这几个库 pip install "

  • Python 数据可视化神器Pyecharts绘制图像练习

    Python 数据可视化神器Pyecharts绘制图像练习

    目录 前言: 1.Hive数据库查询sql 2.Python代码实现—柱状图 3.Python代码实现—饼状图 4.Python代码实现—箱型图 5.Python代码实现—折线图 6.Python代码实现—雷达图 7.Python代码实现—散点图 前言: Echarts 是百度开源的一款数据可视化 JS 工具,数据可视化类型十分丰富,但是得通过导入 js 库在 Java Web 项目上运行. 作为工作中常用 Python 的选手,不能不知道这款数据可视化插件的强大.那么,能否在 Python 中

  • Python可视化之seborn图形外观设置

    Python可视化之seborn图形外观设置

    目录 1.设置背景风格 使用set_style设置图形背景风格 不同子图使用不同背景风格 自定义背景风格 2.设置外框(脊柱) 3.图形缩放 4.同时设置背景|图形缩放 本文将了解什么? 1.设置背景风格 使用set_style设置图形背景风格 不同子图使用不同背景风格 自定义背景风格 2.设置外框(脊柱)3.图形缩放4.同时设置背景|图形缩放 1.设置背景风格 使用set_style设置图形背景风格 #seaborn包含5中背景风格darkgrid, whitegrid, dark, whit

  • Python可视化学习之seaborn绘制矩阵图详解

    Python可视化学习之seaborn绘制矩阵图详解

    目录 本文内容速览 1.绘图数据准备 2.seaborn.pairplot 加上分类变量 修改调色盘 x,y轴方向选取相同子集 x,y轴方向选取不同子集 非对角线散点图加趋势线 对角线上的四个图绘制方式 只显示网格下三角图形 图形外观设置 3.seaborn.PairGrid(更灵活的绘制矩阵图) 每个子图绘制同类型的图 对角线和非对角线分别绘制不同类型图 对角线上方.对角线.对角线下方分别绘制不同类型图 其它一些参数修改 本文内容速览 1.绘图数据准备 还是使用鸢尾花iris数据集 #导入本帖

  • 关于Python可视化Dash工具之plotly基本图形示例详解

    Plotly Express是对 Plotly.py 的高级封装,内置了大量实用.现代的绘图模板,用户只需调用简单的API函数,即可快速生成漂亮的互动图表,可满足90%以上的应用场景. 本文借助Plotly Express提供的几个样例库进行散点图.折线图.饼图.柱状图.气泡图.桑基图.玫瑰环图.堆积图.二维面积图.甘特图等基本图形的实现. 代码示例 import plotly.express as px df = px.data.iris() #Index(['sepal_length', '

  • Python可视化Matplotlib介绍和简单图形的绘制

    Python可视化Matplotlib介绍和简单图形的绘制

    目录 1. 什么是Matplotlib 2. 实现一个最简单的Matplotlib画图以折线图为例 2.1 matplotlib.pyplot模块 2.2 图形绘制流程 1.创建画布 – plt.figure() 2.绘制图像 – plt.plot(x, y) 3.显示图像 – plt.show() 2.3 折线图绘制与显示 1. 什么是Matplotlib matplotlib是专门用于开发2D图表(包括3D图表),以渐进.交互式方式实现数据可视化.使用python对matplotlib库操作

  • python可视化plotly 图例(legend)设置

    python可视化plotly 图例(legend)设置

    目录 一.图例(legend) 二.update_layout(legend={}) 相关参数及示例 一.图例(legend) import plotly.io as pio import plotly.express as px import plotly.graph_objects as go from plotly.subplots import make_subplots import pandas as pd import numpy as np # 设置plotly默认主题 pio.

  • 分享8个非常流行的 Python 可视化工具包

    喜欢用 Python 做项目的小伙伴不免会遇到这种情况:做图表时,用哪种好看又实用的可视化工具包呢?之前文章里出现过漂亮的图表时,也总有读者在后台留言问该图表时用什么工具做的.下面,作者介绍了八种在 Python 中实现的可视化工具包,其中有些包还能用在其它语言中.快来试试你喜欢哪个? 用 Python 创建图形的方法有很多,但是哪种方法是最好的呢?当我们做可视化之前,要先明确一些关于图像目标的问题:你是想初步了解数据的分布情况?想展示时给人们留下深刻印象?也许你想给某人展示一个内在的形象,一个

  • Python可视化绘制图表的教程详解

    Python可视化绘制图表的教程详解

    目录 1.Matplotlib 程序包 2.绘图命令的基本架构及其属性设置 3.Seaborn 模块介绍 3.1 未加Seaborn 模块的效果 4.描述性统计图形概览 4.1制作数据 4.2 频数分析 python 有许多可视化工具,但本书只介绍Matplotlib.Matplotlib是一种2D的绘图库,它可以支持硬拷贝和跨系统的交互,它可以在python脚本,IPython的交互环境下.Web应用程序中使用.该项目是由John Hunter 于2002年启动,其目的是为python构建MA

  • Python GUI库PyQt5图形和特效样式QSS介绍

    Python GUI库PyQt5图形和特效样式QSS介绍

    QSS介绍前言 QSS即Qt样式表,是用来自定义控件外观的一种机制,QSS大量参考了Css的内容,但QSS的功能要比Css弱得多,体现在选择器少,可以使用的QSS属性也少,而且并不是所有的属性都可以应用在PyQt的控件上,QSS使页面美化跟代码层分开,利于维护 QSS的语法规则 QSS的语法规则几乎与CSS相同,QSS样式由两部分组成,其中一部分是选择器(Selector),指定哪些软件会受到影响,另一部分是声明(Declaration),指定哪些属性应该在控件上进行设置,声明部分是一系列的"属

  • Python 可视化神器Plotly详解

    Python 可视化神器Plotly详解

    文 | 潮汐 来源:Python 技术「ID: pythonall」 学习Python是做数分析的最基础的一步,数据分析离不开数据可视化.Python第三方库中我们最常用的可视化库是 pandas,matplotlib,pyecharts, 当然还有 Tableau,另外最近在学习过程中发现另一款可视化神器-Plotly,它是一款用来做数据分析和可视化的在线平台,功能非常强大, 可以在线绘制很多图形比如条形图.散点图.饼图.直方图等等.除此之外,它还支持在线编辑,以及多种语言 python.ja

  • python可视化分析的实现(matplotlib、seaborn、ggplot2)

    python可视化分析的实现(matplotlib、seaborn、ggplot2)

    一.matplotlib库 1.基本绘图命令 import matplotlib.pyplot as plt plt.figure(figsize=(5,4)) #设置图形大小 plt.rcParams['axes.unicode_minus']=False #正常显示负号 plt.rcParams['font.sans-self']=['Kai Ti'] #设置字体,这里是楷体,SimHei表示黑体 #基本统计图 plt.bar(x,y);plt.pie(y,labels=x);plt.plo

随机推荐