Das „Hands-on' in der Palettenwelt-palettierbar
Einige Freunde sagen, dass die integrierten Farben der Python-Visualisierung hässlich sind. Dann sind Sie bestimmt noch nie auf palettable gestoßen. Paletable ist eine in reinem Python geschriebene Farbbalkenbibliothek (Colormap), die zusammenführt Eine große Anzahl bekannter Visualisierungen Die Farbleiste der Software (z. B. das Tableau-Farbsystem, einige Matplotlib-Farbsysteme usw.) verfügt über insgesamt 1587 Arten von Farbleisten (Colormap) und Zehntausende Einzelfarben verwendet werden. Dieser Artikel stellt detailliert vor, wie man Paletten verwendet .
Inhaltsverzeichnis dieses Artikels

1. Schnelle Installation von Palettenfarbe
pip install palettable -i https://pypi.tuna.tsinghua.edu.cn/simple
Nach dem Login kopieren
pip install palettable -i https://pypi.tuna.tsinghua.edu.cn/simple
import palettable
from palettable.cartocolors.qualitative import Bold_9
#为了描述方便,此处直接倒入palettable.cartocolors.qualitative大类下的Bold_9小类,
#实际使用时可直接用palettable.cartocolors.qualitative.Bold_9
Nach dem Login kopieren
import palettable from palettable.cartocolors.qualitative import Bold_9 #为了描述方便,此处直接倒入palettable.cartocolors.qualitative大类下的Bold_9小类, #实际使用时可直接用palettable.cartocolors.qualitative.Bold_9

Bold_9.show_discrete_image()#Bold_9各种颜色条图片
Nach dem Login kopieren
9 Das heißt , das obige Bild hat 9 Gitter Bold_9.show_discrete_image()#Bold_9各种颜色条图片
print(Bold_9.number)#Bold_9这种colormap中单颜色的数目
Nach dem Login kopieren
[[127, 60, 141], [17, 165, 121], [57, 105, 172], [242, 183, 1], [231, 63, 116], [128, 186, 90], [230, 131, 16], [0, 134, 149], [207 , 28, 144]][' #7F3C8D', '#11A579', '#3969AC', '#F2B701', '#E73F74', '#80BA5A', '#E68310', '#008695', ' #CF1C90 '] [(0,4980392156862745, 0,23529411764705882, 0,5529411764705883), (0,06666666666667, 0,647058823582352352352980390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390390398039080803 235294117647059, 0,4117647058823529, 0,6745098039215687), (0,9490196078431372, 0,717647058235294, 0,00392156215621562156237488) (. 24705882352941178, 0,4549019607843137), (0,5019607843137255, 0,7294117647058823, 0,35294117647058826, (0,9019607843137255, 0,5137254901960784, 0,06274509803921569), (0,0, 0,5254901960784 314, 0,5843137254901961, (0,8117647058823529, 0,10980392156862745, 0,56470588235 29412)]print(Bold_9.number)#Bold_9这种colormap中单颜色的数目
Matplotlib中使用palettable
import matplotlib.pyplot as plt import matplotlib as mpl import palettable mpl.rc_file_defaults() my_dpi = 96 plt.figure(figsize=(580 / my_dpi, 580 / my_dpi), dpi=my_dpi) plt.subplot(221) patches, texts, autotexts = plt.pie( x=[1, 2, 3], labels=['A', 'B', 'C'], #使用palettable.tableau.BlueRed_6 colors=palettable.tableau.BlueRed_6.mpl_colors[0:3], autopct='%.2f%%', explode=(0.1, 0, 0)) patches[0].set_alpha(0.3) patches[2].set_hatch('|') patches[1].set_hatch('x') plt.title('tableau.BlueRed_6', size=12) mpl.rc_file_defaults() plt.subplot(222) patches, texts, autotexts = plt.pie( x=[1, 2, 3], labels=['A', 'B', 'C'], #使用palettable.cartocolors.qualitative.Bold_9 colors=palettable.cartocolors.qualitative.Bold_9.mpl_colors[0:3], autopct='%.2f%%', explode=(0.1, 0, 0)) patches[0].set_alpha(0.3) patches[2].set_hatch('|') patches[1].set_hatch('x') plt.title('cartocolors.qualitative.Bold_9', size=12) mpl.rc_file_defaults() plt.subplot(223) patches, texts, autotexts = plt.pie( x=[1, 2, 3], labels=['A', 'B', 'C'], #使用palettable.cartocolors.qualitative.Bold_9 colors=palettable.cartocolors.qualitative.Bold_9.mpl_colors[0:3], autopct='%.2f%%', explode=(0.1, 0, 0)) patches[0].set_alpha(0.3) patches[2].set_hatch('|') patches[1].set_hatch('x') plt.title('cartocolors.qualitative.Bold_9', size=12) plt.subplot(223) patches, texts, autotexts = plt.pie( x=[1, 2, 3], labels=['A', 'B', 'C'], #使用palettable.lightbartlein.sequential.Blues10_5 colors=palettable.lightbartlein.sequential.Blues10_5.mpl_colors[0:3], autopct='%.2f%%', explode=(0.1, 0, 0)) #matplotlib.patches.Wedge patches[0].set_alpha(0.3) patches[2].set_hatch('|') patches[1].set_hatch('x') plt.title('lightbartlein.sequential.Blues10_5', size=12) plt.subplot(224) patches, texts, autotexts = plt.pie( x=[1, 2, 3], labels=['A', 'B', 'C'], colors=palettable.wesanderson.Moonrise5_6.mpl_colors[0:3], autopct='%.2f%%', explode=(0.1, 0, 0)) patches[0].set_alpha(0.3) patches[2].set_hatch('|') patches[1].set_hatch('x') plt.title('wesanderson.Moonrise5_6', size=12) plt.show()
Seaborn中使用palettable
例子来自几行代码绘制靓丽矩阵图
使用palettable.tableau.TrafficLight_9
import seaborn as sns iris_sns = sns.load_dataset("iris") import palettable g = sns.pairplot( iris_sns, hue='species', palette=palettable.tableau.TrafficLight_9.mpl_colors, #Matplotlib颜色 ) sns.set(style='whitegrid') g.fig.set_size_inches(10, 8) sns.set(style='whitegrid', font_scale=1.5)
使用palettable.tableau.BlueRed_6使用palettable.cartocolors.qualitative.Bold_9
使用palettable.wesanderson.Moonrise5_6
使用palettable.cartocolors.diverging.ArmyRose_7_r
3、palettable包含那些颜色条(Colormap)
palettable下面有16大类Colormap,共计1587小类Colormap,合计上万种单颜色可供使用,已经整理为pdf格式,感兴趣的可以
包含以下16大类
palettable.cartocolors.diverging palettable.cartocolors.qualitative palettable.cartocolors.sequential palettable.cmocean.diverging palettable.cmocean.sequential palettable.colorbrewer.diverging palettable.colorbrewer.qualitative palettable.colorbrewer.sequential palettable.lightbartlein.diverging palettable.lightbartlein.sequential palettable.scientific.diverging palettable.scientific.sequential palettable.matplotlib palettable.mycarta palettable.tableau palettable.wesanderson
共计1587小类【每个小类还有逆类,名称后面加“_r”即可】上面16大类下面有数个小类,例如,著名BI软件Tableau的配色条palettable.tableau这一大类,下面有palettable.tableau.BlueRed_12,palettable.tableau.GreenOrange_12等等数个小类:
palettable.tableau.BlueRed_12 palettable.tableau.BlueRed_6 palettable.tableau.ColorBlind_10 palettable.tableau.Gray_5 palettable.tableau.GreenOrange_12 palettable.tableau.GreenOrange_6 palettable.tableau.PurpleGray_12 palettable.tableau.PurpleGray_6 palettable.tableau.TableauLight_10 palettable.tableau.TableauMedium_10 palettable.tableau.Tableau_10 palettable.tableau.Tableau_20 palettable.tableau.TrafficLight_9
也就是类似上面的这种有1587行。
Das obige ist der detaillierte Inhalt vonDas „Hands-on' in der Palettenwelt-palettierbar. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Effizientes Training von Pytorch -Modellen auf CentOS -Systemen erfordert Schritte, und dieser Artikel bietet detaillierte Anleitungen. 1.. Es wird empfohlen, YUM oder DNF zu verwenden, um Python 3 und Upgrade PIP zu installieren: Sudoyumupdatepython3 (oder sudodnfupdatepython3), PIP3Install-upgradepip. CUDA und CUDNN (GPU -Beschleunigung): Wenn Sie Nvidiagpu verwenden, müssen Sie Cudatool installieren

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Bei der Auswahl einer Pytorch -Version unter CentOS müssen die folgenden Schlüsselfaktoren berücksichtigt werden: 1. Cuda -Version Kompatibilität GPU -Unterstützung: Wenn Sie NVIDIA -GPU haben und die GPU -Beschleunigung verwenden möchten, müssen Sie Pytorch auswählen, der die entsprechende CUDA -Version unterstützt. Sie können die CUDA-Version anzeigen, die unterstützt wird, indem Sie den Befehl nvidia-smi ausführen. CPU -Version: Wenn Sie keine GPU haben oder keine GPU verwenden möchten, können Sie eine CPU -Version von Pytorch auswählen. 2. Python Version Pytorch

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.
