如何使用 Seaborn 在每个刻度标签上设置不同的颜色

在此示例中，我将演示如何显式设置 x 轴刻度线标签的颜色。在刻度线标签上使用颜色是吸引观众注意图表特定部分的好方法。

一点背景

在 Seaborn 中有两种访问方式 x_ticklabels 取决于你是否使用轴级功能或 人物级 功能。您可以直接从 Seaborn 的网站，但在高层次上，您可以将其视为：

轴级——您直接与 matplotlib 函数交互。高度的灵活性，但需要更多的工作。
图级——您正在通过 Seaborn 对象与 matplotlib 进行交互。灵活性较低，但对产品现成图表的描述较少。

幸运的是，只有 3 个图形级函数，所以如果您不使用其中之一，那么您正在使用轴级函数。下图取自 Seaborn 的网站，大框中的三种绘图类型为图形级别，其余为轴级别。

在本例中，我将介绍两个图形级函数， 条形图（） & 线图（） , 和两个轴级, 猫图（） & 关系图（） .但是您很快就会发现每种类型的代码几乎相同，您可以将相同的技术应用于任何绘图。

导入库和数据

为了给我们一些数据，我下载了 冠军数据.csv 从小鸡 .您可以使用这个确切的数据集按照教程进行操作，您只需将 excel 转换为 csv（或尝试直接导入）并进行一些小调整。
该数据集包含 1980 年至 2018 年（39 年）的 NBA 冠军得主。该数据集包含获胜球队参加的每场比赛的一行以及球队统计数据。

 df.sample(5)

png

我将创建一个快速汇总表，列出每支球队在 39 年期间赢得的总冠军头衔。我还将添加比例和累积比例。如果您想获得有关创建比例和嵌套比例的更多信息，我已经单独制作了一个教程关于这个话题。

png

既然我们有这张小桌子，我们不妨快速分析一下我们所看到的。
这里有一些有趣的见解。（如果你愿意，可以跳过这部分）

NBA目前有30支球队，在39年的时间里，只有10支球队赢得了NBA总冠军。即使我们考虑到 80 年代有 22 到 25 支球队这一事实，我们仍然可以体会到一支球队在任何一年一路走来是多么罕见。
即使你不太了解篮球或 NBA 的运作方式，我们也可以从这些数据中推断出一支出色的球队可以统治联盟多年。如果你是一支低于标准的NBA球队，几乎不可能赢得总冠军。一支平庸的球队有可能进入季后赛，但考虑到一支球队每轮需要赢得的比赛数量，一支糟糕的球队不太可能赢得冠军。同样，一旦你是最好的团队，其他人需要一段时间才能赶上。一支优秀的团队可以保持胜利和/或保持多年的竞争力。
拥有最多总冠军的球队是拥有 10 座总冠军的洛杉矶湖人队。这 10 支球队分为两个不同的十年，由两组不同的核心球员（魔术师约翰逊/卡里姆·阿卜杜勒-贾巴尔和科比·布莱恩特/沙奎尔·奥尼尔）推动。第二支球队是芝加哥公牛队，有 6 人。这六人是在一个十年（超过 7 年）内仅由一组核心球员（迈克尔乔丹/斯科蒂皮蓬）赢得的。我希望这能说明这一成就是多么令人印象深刻。

现在我们有了数据集，让我们开始绘图。

轴水平功能

条形图

我们将从一个简单的条形图开始。对于这个例子，我们假设我们知道 70% 的冠军是由 5 支球队赢得的，所以我们将数字 4 (0–4) 硬编码到我们的脚本中。
前七行代码只是设置图表。 For 循环是所有动作发生的地方。如上所述，当我们使用轴级函数时，我们直接与 matplotlib 交互。因此，当我们创建 pyplot.Axes 对象时 G ，我们可以使用它来访问 get_xticklabels() 列表。
一旦有了列表，我们就可以遍历它，列表中的每个元素都是一个标签对象。一旦我们可以访问标签对象，我们就可以对它做任何我们想做的事情。在这种情况下，我做的第一件事就是 设置颜色（） 第二件事是 设置字体大小（） .我从配对调色板中选择的颜色。
第五个之后的任何团队都将获得褪色的蓝色阴影和更小的（默认）字体大小。
使用此图表，我们可以绘制整个数据集，并且仍然可以将观众的注意力吸引到前六支球队。

png

线图

在第二个示例中，我们仍然使用轴级函数 lineplot。这张图表的不同之处在于，我想让哪些团队获得不同颜色的选择更加动态，因为最好将硬编码保持在最低限度。在此示例中，我将演示如何在没有硬编码值的情况下将自定义颜色应用于前 N% 的团队。
这种效果可以通过两步过程来实现。在第一步中，我们为所有剩余的团队设置颜色，换句话说，那些不属于前 70% 的团队。这实际上会为所有标签设置颜色，但这是必要的。
在第二步中，我们仅更改前 70% 的颜色。这是通过访问 get_yticks() 来自 matplotlib.Axes 对象。
我们需要分两步反向执行的原因之一是因为对象 G 不再有权访问数据，我们只有 x 轴标签和 y 轴标签，它们的大小不同（见下面的打印输出）。它们大小不同的原因应该很明显，单个 y 轴值可以有多个 x 轴值。原因 g.get_yticks() 在步骤 2 中使用，而不是 g.get_yticklabels() 是因为前者将返回一个可以与另一个数字进行比较的浮点数，而后者返回一个 matplotlib.text.Text 对象。

 x-ticks 数量：11  
 y 刻度数：6

png

使用轴级函数的示例到此结束。要将上述方法应用于任何其他轴级图表，只需更改函数的名称（并相应地调整 x/y 值）。

图级函数

现在我们将继续讨论图形级别的图。
我们仍然需要访问 get_yticklabels() matplotlib 中的函数，但现在我们需要通过 Seaborn 对象来执行此操作。轴级和图形级方法的唯一区别在于，在图形级方法中，我们首先需要在运行循环之前访问 maplotlib.Axes 对象，如下所示。

总图

png

重新绘图

现在我将使用 关系图（） 图形级函数来演示如何使字体颜色更动态地变化。由于 关系图（） 使用两个数值变量效果更好，我使用了原始数据框中的点和辅助 (PTS/AST) 列 ( df ）。我随意选择突出显示助攻数少于 35 的总分。
两步过程是相同的 线图（） 上面，唯一的区别是我们首先需要从 Seaborn 对象中提取 matplotlib.Axes 对象。

png