【译】Seaborn教程（一） 管理图表的艺术

原文： http://web.stanford.edu/~mwaskom/software/seaborn/tutorial/aesthetics.html

管理图表的艺术

第一小部分有人翻译过了，连接：http://www.javashuo.com/article/p-wkwcncpu-eg.html

用axes_style()和set_style()管理图表样式

Seaborn有五个预设好的主题：darkgrid, whitegrid, dark, white,和ticks。它们各自适用于不一样的应用和我的喜爱。缺省的主题是darkgrid。如上文提到的，网格让图表的布局成为了查找大量信息的表格，而且白线灰底让网络不会影响表明数据的线的显示。尽管whitegrid主题很是简洁，可是它更适用于数据元素较大的布局。

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

对于大多数布局,(尤为是当你主要想要利用图表来提供给人对于数据模式的印象),网格便不那么重要了.

sns.set_style("dark")
sinplot()

sns.set_style("white")
sinplot()

有时你可能想在布局上添加一些额外的结构,好比说将轴线分割成线段的ticks:

sns.set_style("ticks")
sinplot()

用despine()移除轴线

样式white和ticks均可以经过去除上方和右方没必要要的轴线来获得改善. 而这些是不可能在matplotlib里设置参数作到的,可是你能够调用seaborn的函数despine()来去除轴线:

sinplot()
sns.despine()

有些布局也能够经过调整轴线距数据的偏移来改善,这也能在despine()里完成.当ticks不能覆盖轴线的整个范围时,trim参数能够限制显示的轴线的范围.

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

你也可能经过设置另外的参数来控制移除哪条轴线:

sns.set_style("whitegrid")
sns.boxplot(data=data, palette="deep")
sns.despine(left=True)

临时设置图表样式

尽管来回切换样式是很简单的,可是你也能够在with语句里用axes_style()函数来临时设置控制布局的参数.这也容许你用不一样的风格来制做图表:

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

重载seaborn样式的元素

若是你想要自定义seaborn的样式,你能够用词典(dictionary)将一系列控制参数赋值给axes_style()函数和set_style()函数的rc参数里. 注意你只能经过这种方式重载样式定义的部分.(可是,更高级的set()函数能够处理包含任意matplotlib参数的词典)

若是你想要知道都包含了哪些参数,你能够调用没有参数的函数,它会返回当前设置:

sns.axes_style()    

{'axes.axisbelow': True,
 'axes.edgecolor': '.8',
 'axes.facecolor': 'white',
 'axes.grid': True,
 'axes.labelcolor': '.15',
 'axes.linewidth': 1.0,
 'figure.facecolor': 'white',
 'font.family': [u'sans-serif'],
 'font.sans-serif': [u'Arial',
  u'Liberation Sans',
  u'Bitstream Vera Sans',
  u'sans-serif'],
 'grid.color': '.8',
 'grid.linestyle': u'-',
 'image.cmap': u'Greys',
 'legend.frameon': False,
 'legend.numpoints': 1,
 'legend.scatterpoints': 1,
 'lines.solid_capstyle': u'round',
 'text.color': '.15',
 'xtick.color': '.15',
 'xtick.direction': u'out',
 'xtick.major.size': 0.0,
 'xtick.minor.size': 0.0,
 'ytick.color': '.15',
 'ytick.direction': u'out',
 'ytick.major.size': 0.0,
 'ytick.minor.size': 0.0}

而后你能够设置这些参数的不一样版本:

sns.set_style("darkgrid", {"axes.facecolor": ".9"})
sinplot()

使用plotting_context()和set_context()来设置布局元素的规模

布局元素的规模被独立的参数集合控制,这能让你使用相同的代码获得不一样大小的规模合适的布局

首先让咱们从新调用set()函数获得缺省设置:

sns.set()

有4种预设好的上下文(context),按相对大小排序分别是:paper, notebook, talk,和poster.缺省的规模是notebook,上述的全部图表都是它.

sns.set_context("paper")
plt.figure(figsize=(8, 6))
sinplot()

sns.set_context("talk")
plt.figure(figsize=(8, 6))
sinplot()

sns.set_context("poster")
plt.figure(figsize=(8, 6))
sinplot()

大部分你如今所稽首的样式函数都应该被转换成上下文函数.

你能够调用set_context()，将上下文的名字看成一个参数传入，而后你就能够经过提供一个写有各项设置值的词典重载上下文的参数。

在修改上下文时，你也能够单独修改字体大小。（更高级的set()里也能够这么作）

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

一样地（虽然可能没什么用），你能够用with语句临时设置图表的规模。

样式和上下文均可能经过set()来快速设置。这个函数也能够设置缺省的配色方案，不过这将是下一节咱们要详细讲述的。