seaborn从入门到精通04-主题颜色设置与总结
总结
本文主要是seaborn从入门到精通系列第4篇，本文介绍了seaborn的主题颜色设置并seaborn总结，同时介绍了较好的参考文档置于博客前面，读者可以重点查看参考链接。本系列的目的是可以完整的完成seaborn从入门到精通。重点参考连接
参考
seaborn官方
seaborn官方介绍
seaborn可视化入门
【宝藏级】全网最全的Seaborn详细教程-数据分析必备手册（2万字总结）
Seaborn常见绘图总结
Python-Seaborn绘制图形
FacetGrid
主题（style）
seaborn设置风格的方法主要有三种：
set，通用设置接口 set_style，风格专用设置接口，设置后全局风格随之改变 axes_style，设置当前图（axes级）的风格，同时返回设置后的风格系列参数，支持with关键字用法
seaborn中主要有以下几个主题：
sns.set_style(“whitegrid”) # 白色网格背景 sns.set_style(“darkgrid”) # 灰色网格背景 sns.set_style(“dark”) # 灰色背景 sns.set_style(“white”) # 白色背景 sns.set_style(“ticks”) # 四周加边框和刻度
环境（context）
设置环境的方法也有3种：
代码语言：javascript复制set，通用设置接口 set_context，环境设置专用接口，设置后全局绘图环境随之改变 plotting_context，设置当前图（axes级）的绘图环境，同时返回设置后的环境系列参数，支持with关键字用法
sns.plotting_context("notebook") # 默认
sns.plotting_context("paper")
sns.plotting_context("talk")
sns.plotting_context("poster")可以看出，4种默认绘图环境最直观的区别在于字体大小的不同，而其他方面也均略有差异。详细对比下4种绘图环境下的系列参数设置：
颜色（color_palette()）
seaborn风格多变的另一大特色就是支持个性化的颜色配置。颜色配置的方法有多种，常用方法包括以下两个：
color_palette，基于RGB原理设置颜色的接口，可接收一个调色板对象作为参数，同时可以设置颜色数量 hls_palette，基于Hue(色相)、Luminance(亮度)、Saturation(饱和度)原理设置颜色的接口，除了颜色数量参数外，另外3个重要参数即是hls
同时，为了便于查看调色板样式，seaborn还提供了一个专门绘制颜色结果的方法palplot。
gallery
参考：http://seaborn.pydata.org/examples/index.html
代码语言：javascript复制import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set_theme(style="ticks")
# Create a dataset with many short random walks
rs = np.random.RandomState(4)
pos = rs.randint(-1, 2, (20, 5)).cumsum(axis=1)
pos -= pos[:, 0, np.newaxis]
step = np.tile(range(5), 20)
walk = np.repeat(range(20), 5)
df = pd.DataFrame(np.c_[pos.flat, step, walk],
columns=["position", "step", "walk"])
# Initialize a grid of plots with an Axes for each walk
grid = sns.FacetGrid(df, col="walk", hue="walk", palette="tab20c",
col_wrap=4, height=1.5)
# Draw a horizontal line to show the starting point
grid.refline(y=0, linestyle=":")
# Draw a line plot to show the trajectory of each random walk
grid.map(plt.plot, "step", "position", marker="o")
# Adjust the tick positions and labels
grid.set(xticks=np.arange(5), yticks=[-3, 3],
xlim=(-.5, 4.5), ylim=(-3.5, 3.5))
# Adjust the arrangement of the plots
grid.fig.tight_layout(w_pad=1)
