37、使用Seaborn样式和调色板【用Python进行AI数据分析进阶教程】-CSDN博客

用Python进行AI数据分析进阶教程37：

使用Seaborn样式和调色板

关键词：Seaborn、样式、调色板、预设样式、调色板类型

摘要：Seaborn提供了丰富的样式和调色板选项，帮助创建美观专业的数据可视化图表。在样式方面，Seaborn有5种预设样式（darkgrid、whitegrid、dark、white、ticks），可通过sns.set_style()全局设置或sns.axes_style()临时设置。选择样式时需考虑数据特点和可视化目的，避免样式冲突。在调色板方面，Seaborn提供定性（区分类别）、顺序（表示数值大小）、发散（表示偏离中心值）等多种类型调色板，可使用sns.color_palette()选择或sns.set_palette()全局设置，还支持自定义调色板。选择调色板时需考虑颜色对比度和色盲友好性。通过合理使用Seaborn的样式和调色板，可使数据可视化图表更加美观、易读和专业。

👉 欢迎订阅🔗
《用Python进行AI数据分析进阶教程》专栏
《AI大模型应用实践进阶教程》专栏
《Python编程知识集锦》专栏
《字节跳动旗下AI制作抖音视频》专栏
《智能辅助驾驶》专栏
《工具软件及IT技术集锦》专栏

Seaborn 提供了丰富的样式和调色板选项，能帮助我们创建更加美观和专业的数据可视化图表。下面详细介绍 Seaborn 样式和调色板的使用，包括关键点、注意点和示例。

一、Seaborn 样式

1、关键点

● 预设样式：Seaborn 提供了 5 种预设的样式，分别是 darkgrid、whitegrid、dark、white 和 ticks。这些样式可以快速改变图表的整体外观，包括背景颜色、网格线等。

● 全局设置：使用 sns.set_style() 函数可以全局设置图表的样式，即之后绘制的所有图表都会应用该样式。

● 临时样式：使用 sns.axes_style() 函数可以临时设置样式，通过上下文管理器 with 来限定样式的作用范围。

2、注意点

● 样式冲突：如果同时使用 Seaborn 和 Matplotlib 进行样式设置，可能会出现样式冲突。建议优先使用 Seaborn 的样式设置函数。

● 与数据匹配：选择的样式要与数据的特点和可视化目的相匹配。例如，对于需要突出数据对比的图表，whitegrid 样式可能更合适；对于需要简洁背景的图表，white 样式可能更好。

3、示例代码

Python脚本

# 导入 seaborn 库，它是基于 matplotlib 的数据可视化库，
# 提供了高级接口，方便绘制各种具有统计意义的图表，
# 使用别名 sns 便于后续调用
import seaborn as sns
# 导入 matplotlib 库的 pyplot 模块，这是 Python 中常用的绘图工具，
# 用于创建、操作和展示各种图形，使用别名 plt 便于后续操作
import matplotlib.pyplot as plt

# 加载示例数据集
# 调用 seaborn 的 load_dataset 函数，加载内置的 "tips" 数据集，
# 该数据集包含餐厅顾客的消费信息，如总账单金额、小费金额等，
# 将加载的数据集存储在变量 tips 中，tips 是一个 pandas 的 DataFrame 对象
tips = sns.load_dataset("tips")

# 设置样式为 darkgrid
# 使用 seaborn 的 set_style 函数，将全局绘图样式设置为 "darkgrid"，
# "darkgrid" 样式具有深色背景和白色网格线，之后绘制的图表都会应用此样式
sns.set_style("darkgrid")

# 创建一个新的图形窗口
# 调用 matplotlib 的 figure 函数，创建一个新的图形窗口，用于后续绘制图形
plt.figure()

# 绘制散点图
# 使用 seaborn 的 scatterplot 函数绘制散点图，
# x="total_bill" 表示将 tips 数据集中的 "total_bill" 列作为 x 轴数据，即总账单金额，
# y="tip" 表示将 tips 数据集中的 "tip" 列作为 y 轴数据，即小费金额，
# data=tips 表示使用 tips 数据集来绘制散点图
sns.scatterplot(x="total_bill", y="tip", data=tips)

# 设置图形标题
# 调用 matplotlib 的 title 函数，为当前图形设置标题为 "darkgrid 样式"，
# 方便用户直观识别该图形所使用的样式
plt.title("darkgrid 样式")

# 临时设置样式为 white
# 使用 seaborn 的 axes_style 函数结合 with 语句创建一个上下文管理器，
# 在这个上下文管理器中，临时将绘图样式设置为 "white"，"white" 样式具有白色背景且无网格线，
# 此样式仅在 with 语句块内生效，不会影响后续的绘图样式
with sns.axes_style("white"):
    # 创建一个新的图形窗口
    # 在临时样式的作用域内，调用 matplotlib 的 figure 函数，创建一个新的图形窗口
    plt.figure()
    # 绘制散点图
    # 同样使用 seaborn 的 scatterplot 函数，以 "total_bill" 列作为 x 轴数据，
    # "tip" 列作为 y 轴数据，使用 tips 数据集绘制散点图
    sns.scatterplot(x="total_bill", y="tip", data=tips)
    # 设置图形标题
    # 调用 matplotlib 的 title 函数，为当前图形设置标题为 "white 样式"，
    # 方便用户直观识别该图形所使用的样式
    plt.title("white 样式")

# 显示所有绘制的图形
# 调用 matplotlib 的 show 函数，将之前创建的所有图形窗口显示出来
# 输出结果：会弹出两个图形窗口，
# 第一个窗口显示的是在 "darkgrid" 样式下，
# 总账单金额和小费金额的散点图，有深色背景和白色网格线；
# 第二个窗口显示的是在 "white" 样式下，同样数据的散点图，具有白色背景且无网格线
plt.show()

在上述示例中，首先使用 sns.set_style("darkgrid") 全局设置样式为 darkgrid，并绘制一个散点图。然后使用 with sns.axes_style("white") 临时设置样式为 white，在这个上下文管理器中绘制另一个散点图。

——【小插曲】——

由于以上脚本执行后，生成的图中的中文无法正常显示。为此，进行了多轮调试后，得到以下脚本使得图中的中文可以正常显示。与上面的脚本相比，主要是增加了处理中文显示的问题，这部分代码段如下：

# 查找可用的中文字体
def find_chinese_font():
    """查找系统中可用的中文字体"""
    # 定义常见中文字体列表
    chinese_fonts = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC",
                     "Microsoft YaHei", "Arial Unicode MS", "SimSun"]

    # 检查字体是否可用
    available_fonts = [f.name for f in fm.fontManager.ttflist]

    # 尝试列表中的字体
    for font in chinese_fonts:
        if font in available_fonts:
            return font

    # 如果没有找到预定义字体，尝试自动检测
    system_fonts = fm.findSystemFonts()

    if os.name == 'nt':  # Windows
        for f in system_fonts:
            if "simhei.ttf" in f.lower() or "microsoftyahei.ttf" in f.lower():
                return fm.FontProperties(fname=f).get_name()
    elif os.name == 'posix':  # macOS/Linux
        for f in system_fonts:
            if "hei" in f.lower() or "microhei" in f.lower() or "heiti" in f.lower():
                return fm.FontProperties(fname=f).get_name()

    return None


# 获取中文字体
chinese_font = find_chinese_font()

if chinese_font:
    print(f"找到中文字体: {chinese_font}")
else:
    print("警告: 未找到中文字体，将使用默认字体")

同时，在每个生成图的代码段之前，加了中文字体选择和设置：

# 创建 darkgrid 样式图形
plt.figure(figsize=(10, 6))
sns.set_style("darkgrid")

# 设置此图形的字体
if chinese_font:
    plt.rcParams["font.family"] = chinese_font

# 绘制 darkgrid 样式图
ax1 = sns.scatterplot(x="total_bill", y="tip", data=tips)
ax1.set_title("darkgrid 样式", fontname=chinese_font)
ax1.set_xlabel("总账单金额", fontname=chinese_font)
ax1.set_ylabel("小费金额", fontname=chinese_font)

# 创建 white 样式图形
plt.figure(figsize=(10, 6))

# 设置此图形的字体
if chinese_font:
    plt.rcParams["font.family"] = chinese_font

# 使用 white 样式上下文
with sns.axes_style("white"):
    # 绘制 white 样式图
    ax2 = sns.scatterplot(x="total_bill", y="tip", data=tips)

    # 为这个特定的图表对象设置中文字体
    if chinese_font:
        ax2.set_title("white 样式", fontname=chinese_font)
        ax2.set_xlabel("总账单金额", fontname=chinese_font)
        ax2.set_ylabel("小费金额", fontname=chinese_font)

经过中文显示处理后的全量脚本如下：

import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import os

# 加载示例数据集
tips = sns.load_dataset("tips")


# 查找可用的中文字体
def find_chinese_font():
    """查找系统中可用的中文字体"""
    # 定义常见中文字体列表
    chinese_fonts = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC",
                     "Microsoft YaHei", "Arial Unicode MS", "SimSun"]

    # 检查字体是否可用
    available_fonts = [f.name for f in fm.fontManager.ttflist]

    # 尝试列表中的字体
    for font in chinese_fonts:
        if font in available_fonts:
            return font

    # 如果没有找到预定义字体，尝试自动检测
    system_fonts = fm.findSystemFonts()

    if os.name == 'nt':  # Windows
        for f in system_fonts:
            if "simhei.ttf" in f.lower() or "microsoftyahei.ttf" in f.lower():
                return fm.FontProperties(fname=f).get_name()
    elif os.name == 'posix':  # macOS/Linux
        for f in system_fonts:
            if "hei" in f.lower() or "microhei" in f.lower() or "heiti" in f.lower():
                return fm.FontProperties(fname=f).get_name()

    return None


# 获取中文字体
chinese_font = find_chinese_font()

if chinese_font:
    print(f"找到中文字体: {chinese_font}")
else:
    print("警告: 未找到中文字体，将使用默认字体")

# 创建 darkgrid 样式图形
plt.figure(figsize=(10, 6))
sns.set_style("darkgrid")

# 设置此图形的字体
if chinese_font:
    plt.rcParams["font.family"] = chinese_font

# 绘制 darkgrid 样式图
ax1 = sns.scatterplot(x="total_bill", y="tip", data=tips)
ax1.set_title("darkgrid 样式", fontname=chinese_font)
ax1.set_xlabel("总账单金额", fontname=chinese_font)
ax1.set_ylabel("小费金额", fontname=chinese_font)

# 创建 white 样式图形
plt.figure(figsize=(10, 6))

# 设置此图形的字体
if chinese_font:
    plt.rcParams["font.family"] = chinese_font

# 使用 white 样式上下文
with sns.axes_style("white"):
    # 绘制 white 样式图
    ax2 = sns.scatterplot(x="total_bill", y="tip", data=tips)

    # 为这个特定的图表对象设置中文字体
    if chinese_font:
        ax2.set_title("white 样式", fontname=chinese_font)
        ax2.set_xlabel("总账单金额", fontname=chinese_font)
        ax2.set_ylabel("小费金额", fontname=chinese_font)

# 显示图形
plt.tight_layout()
plt.show()

这段全量脚本执行后生成的图如下：

——【小插曲】完——

二、Seaborn 调色板

1、关键点

● 调色板类型：Seaborn 提供了多种类型的调色板，包括定性调色板（用于区分不同类别）、顺序调色板（用于表示数值的大小）和发散调色板（用于表示偏离中心值的情况）。

● 调色板选择：可以使用 sns.color_palette() 函数选择不同的调色板，也可以使用 sns.set_palette() 函数全局设置调色板。

● 自定义调色板：可以通过传入颜色列表来创建自定义调色板。

2、注意点

● 颜色对比度：选择的颜色要具有足够的对比度，以便于区分不同的类别或数值。

● 色盲友好：在选择颜色时，要考虑色盲人群的视觉感受，尽量选择色盲友好的调色板。

3、示例代码

Python脚本

# 导入 seaborn 库，它是基于 matplotlib 的高级数据可视化库，
# 提供了丰富的统计图表绘制功能，使用别名 sns 方便后续调用
import seaborn as sns
# 导入 matplotlib 库的 pyplot 模块，它是 Python 中常用的绘图工具，
# 用于创建和显示图形，使用别名 plt 方便后续操作
import matplotlib.pyplot as plt

# 加载示例数据集
# 调用 seaborn 的 load_dataset 函数加载内置的 "tips" 数据集，
# 该数据集包含餐厅顾客的消费信息，如用餐日期、总账单金额、顾客性别等
# 将加载的数据集存储在变量 tips 中，tips 是一个 pandas 的 DataFrame 对象
tips = sns.load_dataset("tips")

# 设置支持中文的字体
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]

# 设置定性调色板
# 调用 seaborn 的 set_palette 函数，将全局调色板设置为 "Set1" 调色板
# "Set1" 是 seaborn 预定义的定性调色板，适合用于区分不同的类别
sns.set_palette("Set1")

# 创建一个新的图形窗口
# 调用 matplotlib 的 figure 函数创建一个新的图形窗口，用于绘制接下来的图形
plt.figure()

# 绘制柱状图
# 调用 seaborn 的 barplot 函数绘制柱状图
# x="day" 表示将 "day" 列（用餐日期）作为 x 轴的数据
# y="total_bill" 表示将 "total_bill" 列（总账单金额）作为 y 轴的数据
# hue="sex" 表示按照 "sex" 列（顾客性别）对数据进行分组，不同性别用不同颜色的柱子表示
# data=tips 表示使用 tips 数据集来绘制柱状图
sns.barplot(x="day", y="total_bill", hue="sex", data=tips)

# 设置图形标题
# 调用 matplotlib 的 title 函数为当前图形设置标题，显示该图形使用的是 "Set1" 定性调色板
plt.title("定性调色板（Set1）")

# 创建自定义调色板
# 定义一个包含三个十六进制颜色代码的列表 custom_palette，分别是红色、绿色和蓝色
# 这个列表将作为自定义调色板使用
custom_palette = ["#FF0000", "#00FF00", "#0000FF"]

# 设置自定义调色板
# 再次调用 seaborn 的 set_palette 函数，将全局调色板设置为自定义的 custom_palette
sns.set_palette(custom_palette)

# 创建一个新的图形窗口
# 调用 matplotlib 的 figure 函数创建一个新的图形窗口，用于绘制使用自定义调色板的柱状图
plt.figure()

# 绘制柱状图
# 同样调用 seaborn 的 barplot 函数，以相同的 x 轴、y 轴和分组信息，
# 使用更新后的自定义调色板绘制柱状图
sns.barplot(x="day", y="total_bill", hue="sex", data=tips)

# 设置图形标题
# 调用 matplotlib 的 title 函数为当前图形设置标题，显示该图形使用的是自定义调色板
plt.title("自定义调色板")

# 显示所有绘制的图形
# 调用 matplotlib 的 show 函数，将之前创建的两个图形窗口显示出来
# 输出结果：会弹出两个图形窗口
# 第一个窗口展示的是使用 "Set1" 定性调色板绘制的柱状图，x 轴为用餐日期，
# y 轴为总账单金额，不同性别用 "Set1" 调色板中的不同颜色区分
# 第二个窗口展示的是使用自定义调色板（红、绿、蓝）绘制的柱状图，
# 同样 x 轴为用餐日期，y 轴为总账单金额，不同性别用自定义的红、绿、蓝颜色区分
plt.show()

在上述示例中，首先使用 sns.set_palette("Set1") 设置定性调色板为 Set1，并绘制一个柱状图。然后创建一个自定义调色板 custom_palette，并使用 sns.set_palette(custom_palette) 设置为当前调色板，再绘制另一个柱状图。

通过合理使用 Seaborn 的样式和调色板，可以使数据可视化图表更加美观、易读和专业。

——The END——

🔗 欢迎订阅专栏

序号	专栏名称	说明
1	用Python进行AI数据分析进阶教程	《用Python进行AI数据分析进阶教程》专栏
2	AI大模型应用实践进阶教程	《AI大模型应用实践进阶教程》专栏
3	Python编程知识集锦	《Python编程知识集锦》专栏
4	字节跳动旗下AI制作抖音视频	《字节跳动旗下AI制作抖音视频》专栏
5	智能辅助驾驶	《智能辅助驾驶》专栏
6	工具软件及IT技术集锦	《工具软件及IT技术集锦》专栏