如何在黑色背景下优化联合核密度图的显示（Seaborn）

Question

如何在黑色背景下优化联合核密度图的显示（Seaborn）

3

我有三个数据集（df1，df2，df3，这里是随机生成的示例），我想在黑色背景上一起绘制联合核密度图。我不喜欢联合kde的重叠部分，因为当白色部分（最低密度）与黑色背景重叠时，它真的很突出。相比之下，这在白色背景下看起来很好（将在底部包括以进行比较），但我需要它成为黑色背景。

改进方法的一个想法可能是:

颠倒颜色条，使最低密度为暗色，最高密度为亮色。

有人知道如何做到这一点或如何使其更好吗？

我不知道从哪里开始查找，但我在seaborn的GitHub上发现了这个closed issue，其中有关于阴影的讨论。

import numpy as np
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt


# Uncomment for black background figure
plt.rcParams.update({
    "grid.color": "white",
    'hatch.color': 'k',
    "lines.color": "white",
    "patch.edgecolor": "white",
    'patch.facecolor': ([0, 1, 1]),
    'grid.alpha': 0.4,
    "text.color": "lightgray",
    "axes.facecolor": "black",
    "axes.edgecolor": "lightgray",
    "axes.labelcolor": "white",
    "xtick.color": "white",
    "ytick.color": "white",
    "grid.color": "lightgray",
    "figure.facecolor": "black",
    "figure.edgecolor": "black",
    "savefig.facecolor": "black",
    "savefig.edgecolor": "black"})

df1 = pd.DataFrame(np.random.randint(0,60,size=(1500, 4)), columns=list('ABCD'))
df2 = pd.DataFrame(np.random.randint(20,80,size=(1500, 4)), columns=list('ABCD'))
df3 = pd.DataFrame(np.random.randint(40,100,size=(1500, 4)), columns=list('ABCD'))

f, axs = plt.subplots()

# Draw density plots
axs = sns.kdeplot(df1.A, df1.B, alpha=0.5,
                 cmap="Reds", shade=True, shade_lowest=False, cbar=True)
axs = sns.kdeplot(df2.A, df2.B, alpha=0.5,
                 cmap="Oranges", shade=True, shade_lowest=False, cbar=True)
axs = sns.kdeplot(df3.A, df3.B, alpha=0.5,
                 cmap="Blues", shade=True, shade_lowest=False, cbar=True)

- JAG2024

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Salvatore · Accepted Answer

在底层，seaborn使用了matplotlib的调色板。

这个答案提供了有关反转matplotlib调色板的信息，并且适用于此处：

标准调色板都有它们的反转版本。它们的名称相同，末尾加上_r。（文档在此）。

您的一些调色板在最新版本中无法正常工作，因此我改用了Reds、Oranges和Blues。请注意，我将它们换成了Reds_r、Oranges_r和Blues_r。我相信这是您要寻找的结果。

# Draw density plots
axs = sns.kdeplot(
    df1.A, df1.B, alpha=0.5, cmap="Reds_r", shade=True, shade_lowest=False, cbar=True,
)
axs = sns.kdeplot(
    df2.A, df2.B, alpha=0.5, cmap="Greens_r", shade=True, shade_lowest=False, cbar=True
)
axs = sns.kdeplot(
    df3.A, df3.B, alpha=0.5, cmap="Blues_r", shade=True, shade_lowest=False, cbar=True
)

更新：

您可以手动选择一个颜色映射并对其进行反转，方法是获取该颜色映射并调用reverse函数：

color_map = plt.cm.get_cmap('Blues')
reversed_color_map = color_map.reversed()

然后将你反转的颜色映射给kdeplot:

axs = sns.kdeplot(
    df3.A, df3.B, alpha=0.5, cmap=reversed_color_map , shade=True, shade_lowest=False, cbar=True
)

这样您就可以使用任何颜色映射，甚至是没有预定义_r的映射。