seaborn使用（样式管理）

Seaborn是一个在Python中制作具有吸引力和丰富信息的统计图形的库。它建立在matplotlib之上，并与PyData堆栈紧密集成，包括支持scipy和pandas的数据结构以及scipy和 statsmodels的统计模型。
serborn官方参考文档

• 样式管理
• 绘图函数
• 结构化网格

一、样式管理

1. seaborn图形样式

1. 去除坐标轴上的轴刺
2. 临时设置图形的样式
3. 重写seaborn的元素样式
4. 缩放图形的规模
5. 选择调色板

1.seaborn图形样式

seaborn目前共有五种样式，分别是darkgrid, whitegrid, dark, white, and ticks，默认的是darkgrid，黑色带网格的背景。

sns.set_style("whitegrid")

2.去除坐标轴上的轴刺

坐标轴上的轴刺是指，在刻度处显示的小竖线，为了美观，有时我们需要把该细线去掉，代码如下。

sns.despine()

3.临时设置图形的样式

与直接修改所有seaborn图形样式不一样，如果我们仅仅需要修改其中一个图形的样式，可以使用with，代码如下。

with sns.axes_style("darkgrid"):
    plt.subplot(211)
    sinplot()
plt.subplot(212)
sinplot(-1)

4.重写seaborn的元素样式

如果想自定义某个元素的具体样式，可以将要修改的属性参数通过字典的方式传入到axes_style() 和set_style()中，通过sns.axes_style()可以查看当前的属性值和参数值，如果想要修改的参数不在返回的属性中，可以调用更高级别的函数set()，该函数可以修改任意属性值。

5.图形规模的缩放

seaborn给我们提供了四个预定的值 paper,notebook,talk,poster，默认值是notebook，需要注意的一点是，修改该属性值之前我们需要先调用sns.set()重置默认的参数，代码如下。

sns.set()
sns.set_context("paper")
sinplot()

如果进一步的想要自定义图形的规模，可以通过以下代码实现。

sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 2.5})
sinplot()

6.颜色的控制

• 定性的调色板
• 顺序调色板
• 发散调色板

定性调色板用来绘画那些没有相关关系的变量，可以从视觉上更好的区分不同变量。

current_palette = sns.color_palette()
sns.palplot(current_palette)

上述代码中，sns.color_palette()会返回当前默认调色板中的颜色列表，但颜色的个数是固定的，当我们需要使用的颜色数大于该列表中颜色的数量时，可以通过以下代码实现。

sns.palplot(sns.color_palette("husl", 8))
#  以下也可以实现
sns.palplot(sns.color_palette("Set2", 8))

我们可以修改数字8为其他数字，根据需要的颜色个数自行修改。
也可以直接指定使用的颜色

plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=3)
plt.plot([0, 1], [0, 2], sns.xkcd_rgb["medium green"], lw=3)
plt.plot([0, 1], [0, 3], sns.xkcd_rgb["denim blue"], lw=3);

顺序调色板也就是渐变色，我们可以通过颜色映射数据值的大小，尤其是在kdeplot()和corrplot中会经常使用。