可视化Seaborn1风格和背景

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import seaborn as sns
import numpy as np
#import matplotlib as mpl
import matplotlib.pyplot as plt
def sinplot(flip=1):
    x = np.linspace(0,14,100)
    for i in range(1,7):
        plt.plot(x,np.sin(x+i*.5)*(7-i)*flip)
sinplot()
sns.set()
sinplot()
#五种主题的风格：
#darkgrid  whitegrid  dark  white  ticks
sns.set_style("whitegrid")  #背景风格
data = np.random.normal(size=(20,6))+np.arange(6)/2
sns.boxplot(data=data)
sns.set_style("ticks")
sinplot()
sns.set_style("whitegrid")
sns.boxplot(data=data,palette="deep")
sns.despine(left=True) #左边的轴隐藏起来
with sns.axes_style("darkgrid"): #子图，不同风格
    plt.subplot(211)
    sinplot()
plt.subplot(212)
sinplot(-1)
sns.set_context("poster")
plt.figure(figsize=(8, 6)) #指定大小
sinplot()
sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 2.5})
sinplot()
#2. 颜色
#?颜色很重要
#color_palette()能传入任何Matplotlib所支持的颜色
#color_palette()不写参数则默认颜色
#set_palette()设置所有图的颜色
current_plette = sns.color_palette() #分类色版，默认6种
sns.palplot(current_plette)
#当你有六个以上的分类要区分时，
# 最简单的方法就是在一个圆形的颜色空间中画出均匀间隔的颜色
#使用hls的颜色空间，这是RGB值的一个简单转换
sns.palplot(sns.color_palette("hls",8))#8种颜色
data = np.random.normal(size=(20,8))+np.arange(8)/2
sns.boxplot(data=data,palette=sns.color_palette("his",8))
#hls_palette()函数来控制颜色的亮度和饱和
#l-亮度 lightness
#s-饱和 saturation
sns.palplot(sns.hls_palette(8, l=.7, s=.9))
sns.palplot(sns.hls_palette("Paired",8))#调出一对相近颜色
#使用xkcd颜色来命名颜色
plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=3)
#色彩随数据变换，比如数据越来越重要则颜色越来越深
sns.palplot(sns.color_palette("Blues"))
#翻转渐变，在名称中添加一个_r后缀
sns.palplot(sns.color_palette("BuGn_r"))
#cubehelix_palette()调色板,色调线性变换
sns.palplot(sns.color_palette("cubehelix",8))
#light_palette() 和dark_palette()调用定制连续调色板
# #reverse:翻转
sns.palplot(sns.light_palette("green",reverse=True))
#3.数据分析