分類色板（quanlitative）對于分類數據的顯示很有幫助。當想要區別不連續的且內在沒有順序關系的數據時，這個方式是最好的。

seaborn中默認使用的調色板實際上是標準的matplolib色環。

sns.palplot(sns.color_palette())

默認的色環主題

有6種不同的默認主題，它們分別是：deep，muted，pastel，birght，dark，colorblind。

themes = ['deep', 'muted', 'pastel', 'bright', 'dark', 'colorblind'] for theme in themes:sns.palplot(sns.color_palette(theme))

使用顏色空間（色圈）

當有超過6種類型的數據要區分時，最簡單的方法就是在一個色圈內使用均勻分布的顏色。這也是當需要使用更多顏色時大多數seaborn函數的默認方式。

最常用的方法就是使用hls顏色空間，它是一種簡單的RGB值的轉換。

sns.palplot(sns.color_palette("hls", 10))

# hls_palette函數，用于調節hls顏色的亮度和飽和度。 sns.palplot(sns.hls_palette(10, l = .8, s = .8))

然而，由于人類視覺系統工作的原因，根據RGB顏色產生的平均視覺強度的顏色，從視覺上看起來并不是相同的強度。如果你觀察仔細，就會察覺到，黃色和綠色會更亮一些，而藍色則相對暗一些。因此，如果你想用hls系統達到一致性的效果，就會出現上面的問題。

為了修補這個問題，seaborn給hls系統提供了一個接口，可以讓操作者簡單容易的選擇均勻分布，且亮度和飽和度看上去明顯一致的色調。

sns.palplot(sns.color_palette("husl", 10))

# hls_palette函數，用于調節hls顏色的亮度和飽和度。 sns.palplot(sns.husl_palette(10, l = .8, s = .8))

使用分類Color Brewer調色板

Color Brewer中預定義了一批分類調色板，但顏色數量有限，可能會出現循環使用。

print(sns.color_palette("Set1", 10)) sns.palplot(sns.color_palette("Set1", 10))

sns.palplot(sns.color_palette("Set1", 10, 0.5))

完全使用自選顏色定義調色板

flatui = ["#9b59b6", "#3498db", "#95a5a6", "#e74c3c", "#34495e", "#2ecc71"] sns.palplot(sns.color_palette(flatui))

總結

以上是生活随笔為你收集整理的9-2 分类色板的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。