调色板界的'扛把子”-palettable
有小伙伴说python可视化自带颜色很丑,那您一定是没遇到palettable,palettable是一个纯python写的颜色条(Colormap)库,汇集了大量知名可视化软件的颜色条(比如Tableau色系,matplotlib部分色系等等),共有颜色条(Colormap)1587类,可使用的单颜色数万种,本文详细介绍palettable如何使用。
本文目录

1、palettable快速安装
pip install palettable -i https://pypi.tuna.tsinghua.edu.cn/simple
2、palettable颜色条(Colormap)快速使用
导入palettable包
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
palettable重要属性-可视化色度条
Bold_9.show_discrete_image()#Bold_9各种颜色条图片

palettable重要属性-输出色度条中单颜色的数目
print(Bold_9.number)#Bold_9这种colormap中单颜色的数目
9即上面的图片有9格
palettable重要属性-输出色度条中单颜色的色号值
print(Bold_9.colors)#Bold_9 colormap中每种颜色的RGB格式色号 print(Bold_9.hex_colors)#Bold_9 colormap中每种颜色的hex格式色号 print(Bold_9.mpl_colors)#RGB tuples in the range 0-1 as used by matplotlib
[[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), (0.06666666666666667, 0.6470588235294118, 0.4745098039215686), (0.2235294117647059, 0.4117647058823529, 0.6745098039215687), (0.9490196078431372, 0.7176470588235294, 0.00392156862745098), (0.9058823529411765, 0.24705882352941178, 0.4549019607843137), (0.5019607843137255, 0.7294117647058823, 0.35294117647058826), (0.9019607843137255, 0.5137254901960784, 0.06274509803921569), (0.0, 0.5254901960784314, 0.5843137254901961), (0.8117647058823529, 0.10980392156862745, 0.5647058823529412)]
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。
以上是调色板界的'扛把子”-palettable的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

PHP和Python各有优劣,选择取决于项目需求和个人偏好。1.PHP适合快速开发和维护大型Web应用。2.Python在数据科学和机器学习领域占据主导地位。

在CentOS系统上高效训练PyTorch模型,需要分步骤进行,本文将提供详细指南。一、环境准备:Python及依赖项安装:CentOS系统通常预装Python,但版本可能较旧。建议使用yum或dnf安装Python3并升级pip:sudoyumupdatepython3(或sudodnfupdatepython3),pip3install--upgradepip。CUDA与cuDNN(GPU加速):如果使用NVIDIAGPU,需安装CUDATool

Docker利用Linux内核特性,提供高效、隔离的应用运行环境。其工作原理如下:1. 镜像作为只读模板,包含运行应用所需的一切;2. 联合文件系统(UnionFS)层叠多个文件系统,只存储差异部分,节省空间并加快速度;3. 守护进程管理镜像和容器,客户端用于交互;4. Namespaces和cgroups实现容器隔离和资源限制;5. 多种网络模式支持容器互联。理解这些核心概念,才能更好地利用Docker。

在CentOS系统上启用PyTorchGPU加速,需要安装CUDA、cuDNN以及PyTorch的GPU版本。以下步骤将引导您完成这一过程:CUDA和cuDNN安装确定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA显卡支持的CUDA版本。例如,您的MX450显卡可能支持CUDA11.1或更高版本。下载并安装CUDAToolkit:访问NVIDIACUDAToolkit官网,根据您显卡支持的最高CUDA版本下载并安装相应的版本。安装cuDNN库:前

Python和JavaScript在社区、库和资源方面的对比各有优劣。1)Python社区友好,适合初学者,但前端开发资源不如JavaScript丰富。2)Python在数据科学和机器学习库方面强大,JavaScript则在前端开发库和框架上更胜一筹。3)两者的学习资源都丰富,但Python适合从官方文档开始,JavaScript则以MDNWebDocs为佳。选择应基于项目需求和个人兴趣。

MinIO对象存储:CentOS系统下的高性能部署MinIO是一款基于Go语言开发的高性能、分布式对象存储系统,与AmazonS3兼容。它支持多种客户端语言,包括Java、Python、JavaScript和Go。本文将简要介绍MinIO在CentOS系统上的安装和兼容性。CentOS版本兼容性MinIO已在多个CentOS版本上得到验证,包括但不限于:CentOS7.9:提供完整的安装指南,涵盖集群配置、环境准备、配置文件设置、磁盘分区以及MinI

在CentOS下选择PyTorch版本时,需要考虑以下几个关键因素:1.CUDA版本兼容性GPU支持:如果你有NVIDIAGPU并且希望利用GPU加速,需要选择支持相应CUDA版本的PyTorch。可以通过运行nvidia-smi命令查看你的显卡支持的CUDA版本。CPU版本:如果没有GPU或不想使用GPU,可以选择CPU版本的PyTorch。2.Python版本PyTorch

CentOS 安装 Nginx 需要遵循以下步骤:安装依赖包,如开发工具、pcre-devel 和 openssl-devel。下载 Nginx 源码包,解压后编译安装,并指定安装路径为 /usr/local/nginx。创建 Nginx 用户和用户组,并设置权限。修改配置文件 nginx.conf,配置监听端口和域名/IP 地址。启动 Nginx 服务。需要注意常见的错误,如依赖问题、端口冲突和配置文件错误。性能优化需要根据具体情况调整,如开启缓存和调整 worker 进程数量。
