在进行数据可视化处理的时候，常常会涉及到多个类的数据，有些时候默认的颜色并不是我们想要的，这时候，如果我们想要一些我们喜欢的颜色，就需要调整色板，下面我们就来介绍一下Seaborn的色板调整。
首先依然是基本的引用和设置
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(rc={"figure.figsize": (6, 6)})调色板color_palette()能传入任何Matplotlib所支持的颜色
color_palette()不写参数则默认颜色
set_palette()设置所有图的颜色
分类色板
6个默认的颜色循环主题： deep, muted, pastel, bright, dark, colorblindcurrent_palette = sns.color_palette()
sns.palplot(current_palette)
圆形画板
当你有六个以上的分类要区分时，最简单的方法就是在一个圆形的颜色空间中画出均匀间隔的颜色(这样的色调会保持亮度和饱和度不变)。这也是需要使用比当前默认颜色循环中设置的颜色更多时，一种常用的办法。
最常用的方法是使用hls的颜色空间，这是RGB值的一个简单转换。
sns.palplot(sns.color_palette("hls", 8))#使用hls颜色空间，划分为8种颜色效果展示：
data = np.random.normal(size=(20, 8)) + np.arange(8) / 2
sns.boxplot(data=data,palette=sns.color_palette("hls", 8))#指定使用的颜色调整亮度和饱和度
hls_palette()函数来控制颜色的亮度和饱和l-亮度 lightness
s-饱和 saturationsns.palplot(sns.hls_palette(8, l=.7, s=.9))有时候我们需要在两两配对的情况下分类，例如：不同的人的身高和体重，这时候可以使用如下方法#“Paired”表示两两颜色配对
sns.palplot(sns.color_palette("Paired",8))使用xkcd颜色来命名颜色
xkcd包含了一套众包努力的针对随机RGB色的命名。产生了954个可以随时通过xdcd_rgb字典中调用的命名颜色。#lw指定线宽，使用string直接对应颜色
plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=3)
plt.plot([0, 1], [0, 2], sns.xkcd_rgb["medium green"], lw=3)
plt.plot([0, 1], [0, 3], sns.xkcd_rgb["denim blue"], lw=3)
colors = ["windows blue", "amber", "greyish", "faded green", "dusty purple"]
sns.palplot(sns.xkcd_palette(colors))连续色板
色彩随数据变换，比如数据越来越重要则颜色越来越深sns.palplot(sns.color_palette("Blues"))
如果想要翻转渐变，可以在面板名称中添加一个_r后缀sns.palplot(sns.color_palette("BuGn_r"))
cubehelix_palette()调色板
实现色调线性变换#考虑所有使用者，比如色弱人群
sns.palplot(sns.color_palette("cubehelix", 8))
sns.palplot(sns.cubehelix_palette(8, start=.5, rot=-.75))
sns.palplot(sns.cubehelix_palette(8, start=.75, rot=-.150))调用定制连续调色板
使用 light_palette() 和 dark_palette() 方法可以调用定制连续调色板sns.palplot(sns.light_palette("green"))
sns.palplot(sns.dark_palette("purple"))将 reverse 设为True 以实现色板倒转sns.palplot(sns.light_palette("navy", reverse=True))
使用色板绘制等高线x, y = np.random.multivariate_normal([0, 0], [[1, -.5], [-.5, 1]], size=300).T
pal = sns.dark_palette("green", as_cmap=True)
sns.kdeplot(x, y, cmap=pal);
sns.palplot(sns.light_palette((210, 90, 60), input="husl"))
