如何使用渐变颜色为配色图上的颜色条？

Question

我有以下数据框df：

time_diff avg_trips_per_day 
0.450000 1.0 
0.483333 1.0 
0.500000 1.0 
0.516667 2.0 
0.533333 5.0 

然后我创建了一个分布图如下ax = sns.distplot(df['time_diff'],hist="true"。

我想使用渐变对条进行着色：应将较暗的颜色分配给较高概率的值。

我试图做这种方式，但它没有工作：

norm = plt.Normalize(df["time_diff"].values.min(), df["time_diff"].values.max()) 
colors = plt.cm.YlGnBu(norm(df_imh_unique["time_diff"])) 
ax = sns.distplot(df['time_diff'],hist="true", color=colors) 

Answer 1

在你的代码试图根据数据值本身上色酒吧。但是，直方图显示仓内数值的频率。因此，您需要使用频率来确定条形的颜色。

当分离直方图和绘图时，这更容易理解。

import numpy as np 
import matplotlib.pyplot as plt 

data = np.random.rayleigh(size=30) 

hist, edges = np.histogram(data) 

norm = plt.Normalize(hist.min(), hist.max()) 
colors = plt.cm.YlGnBu(norm(hist)) 

fig, ax = plt.subplots() 
ax.bar(edges[:-1], hist, np.diff(edges), color=colors, ec="k", align="edge") 

plt.show() 

您可以在通话设置垃圾箱，以np.histogram，例如0.1大容器，你会使用

bins = np.arange(0, data.max()+0.1, 0.1) 
hist, edges = np.histogram(data, bins=bins) 

由于seaborn distplot结合直方图化和绘图的两个步骤，设置栏的颜色只可能后创建的情节。这当然不是最佳的，但对于完整性，它使用现有的distplot的解决方案可能是这样的：

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

data = np.random.rayleigh(size=30) 

ax = sns.distplot(data) 

vals = np.array([rec.get_height() for rec in ax.patches]) 
norm = plt.Normalize(vals.min(), vals.max()) 
colors = plt.cm.YlGnBu(norm(vals)) 

for rec, col in zip(ax.patches, colors): 
    rec.set_color(col) 

plt.show()