seaborn aesthetics

绘制好看的图片非常重要。可视化也是与听众交流数据见解时的核心，在那种情况下，借助图片吸引观众的注意力就更有必要了

Matplotlib是高度可定制的，但是很难根据目标找到需要修改的参数。Seaborn有一系列定制的主题，也有一个高水平的界面，用于美化matplotlib图像

1
2
3
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

定义一个绘制一系列正弦曲线的函数，用来感受调节不同风格参数产生的影响

1
2
3
4
def sinplot(flip=1):
    x = np.linspace(0, 14, 100)
    for i in rang(1, 7):
        plt.plot(x, np.sin(x + i * 0.5) * (7 - i) * flip)

使用matplotlib默认参数绘制的图像如下：

1
sinplot()

切换到seaborn默认风格只需要调用set_theme()函数：

1
2
sns.set_theme()
sinplot()

(注意，0.8版本之前的seaborn在导入包的同时自动调用set_theme()，但之后的版本需要显式地调用)

Seaborn把matplotlib参数划分成两个独立的组。第一组设置图片的美学风格，第二组缩放图中的各个元素，使它们便于应用到不同的情境 (context)

调整这些参数的界面是两对函数。axes_style()和set_style()控制风格，plotting_context()和set_context()缩放图片。这两对函数中的第一个函数返回一个参数的字典，第二个函数调整matplotlib默认参数

Seaborn图片风格

有五种预设的seaborn主题：darkgrid，whitegrid，dark，white，ticks。默认主题是darkgrid。正如上面提到的那样，网格有助于在图上查找定量信息，白灰配色可以避免网格与代表数据的线条发生混淆。whitegrid主题也是类似的，但是更适用于有大量数据元素的图：

1
2
3
sns.set_style('whitegrid')
data = np.random.normal(size=(20, 6)) + np.arange(6) / 2
sns.boxplot(data=data)

对很多图来说 (尤其是在talk之类的情境下，你主要想利用图片展示数据模式的一个印象)，网格就不那么必要了：

1
2
sns.set_theme('dark')
sinplot()

1
2
sns.set_theme('white')
sinplot()

有时候需要在坐标轴上添加刻度：

1
2
sns.set_theme('ticks')
sinplot()

去除坐标轴线

white和ticks风格都不需要上方及右侧的坐标轴线，调用despine()可以把它们去除：

1
2
sinplot()
sns.despine()

有些图需要坐标轴线离数据线条远一点，也可以调用despine()实现。如果刻度并不覆盖整个坐标轴范围，可以使用trim参数加以限制：

1
2
3
f, ax = plt.subplots()
sns.violinplot(data=data)
sns.despine(offset=10, trim=True)

也可以使用despine()的参数指定移除哪一条坐标轴线：

1
2
3
sns.set_theme('whitegrid')
sns.boxplot(data=data, palette='deep')
sns.despine(left=True)

局部设置图片风格

虽然来回切换也很方便，也可以在with声明中使用set_style()临时设置绘图参数。这样也能够在图中绘制不同风格的轴”

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
f = plt.figure(figsize=(6, 6))
gs = f.add_gridspec(2, 2)

with sns.axes_style('darkgrid'):
    ax = f.add_subplot(gs[0 ,0])
    sinplot()

with sns.axes_style('white'):
    ax = f.add_subplot(gs[0, 1])
    sinplot()

with sns.axes_style('ticks'):
    ax = f.add_subplot(gs[1, 0])
    sinplot()

with sns.axes_style('whitegrid'):
    ax = f.add_subplot(gs[1, 1])
    sinplot()

f.tight_layout()

重写seaborn风格中的元素

要想自定义seaborn风格，可以向axes_style()和set_style()的rc参数传递一个字典。注意，这种方法只能重写风格定义中已有的参数 (高层次的set_theme()函数可以接受包含所有matplotlib参数的字典)

如果想知道都可以设置哪些参数，可以调用下面的这个函数，返回当前的设置：

1
sns.axes_style()

然后就可以把这些参数的值进行修改：

1
2
sns.set_style('darkgrid', {'axes.facecolor': '0.9'})
sinplot()

控制绘图元素的尺寸

有一套单独的参数控制绘图元素的尺寸，无论想要大一点还是小一点的图，都可以用相同的代码进行绘制

首先调用set_theme()恢复默认参数：

1
sns.set_theme()

四种关于相对大小的预设情境分别是paper，notebook，talk，poster。默认风格是notebook，上面那些图使用的就是这种风格：

1
2
sns.set_context('paper')
sinplot()

1
2
sns.set_context('talk')
sinplot()

1
2
sns.set_context('poster')
sinplot()

大多数已经介绍过的关于风格的函数都可以迁移到情境函数

可以在调用set_context()时使用预设的风格，也可以提供参数字典重写默认参数

可以在切换情境时单独修改字体的大小 (这一功能也可以通过顶层的set()函数实现)：

1
2
sns.set_context('notebook', font_scale=1.5, rc={'lines.linewidth': 2.5})
sinplot()

类似的，也可以在with声明下临时修改图片元素的尺寸

使用set()函数可以快速配置风格和情境。这个函数也可以设置默认调色板，将在下一章教程中详细介绍