6.1 调色板体系

6.1 调色板体系

Seaborn 的调色板分定性（类别无次序）、顺序（数值有大小）、发散（数据有零点）三类尺度；色板类型与数据语义对齐，是颜色映射的第一原则。

第 5 章把颜色推上唯一数值通道的位置，本节把"数值到颜色"的刻度体系完整拆开。

三类尺度对应三种数据语义

import seaborn as sns
import matplotlib.pyplot as plt

# color_palette 是色板的通用入口，返回颜色列表
print(sns.color_palette('deep', 3))
# 输出：[(0.122, 0.467, 0.706), (1.0, 0.498, 0.055), ...]  RGB 元组列表

# 用 palplot 检查任何色板的样子
sns.palplot(sns.color_palette('Set2', 8))        # 定性：类别变量
sns.palplot(sns.color_palette('Blues', 8))       # 顺序：数值由浅到深
sns.palplot(sns.color_palette('RdBu_r', 8))      # 发散：两端对立、中点居中
plt.show()
​

tips = sns.load_dataset('tips')

# 语义对齐示范：类别用定性，数值用顺序
ax1 = sns.scatterplot(data=tips, x='total_bill', y='tip',
                      hue='day', palette='Set2')              # 正确：类别 x 定性
ax2 = sns.scatterplot(data=tips, x='total_bill', y='tip',
                      hue='size', palette='viridis')           # 正确：数值 x 顺序

# 反面教材：类别配渐变，读者会追问"周六比周四深多少"——没有答案
bad = sns.scatterplot(data=tips, x='total_bill', y='tip',
                      hue='day', palette='Blues')
​

连续与离散：同一色板的两种形态

# 数值列较少取值时，可以让顺序色板离散化
ax = sns.scatterplot(data=tips, x='total_bill', y='tip',
                     hue='size', palette=sns.color_palette('mako', 6))
# 6 档离散色阶，图例变成 6 个色块——人数这种小整数语义比连续色带更准确

# 端点自定义：亮端压暗，投影仪上不泛白
cmap = sns.color_palette('crest', as_cmap=True)
ax = sns.scatterplot(data=tips, x='total_bill', y='tip', hue='total_bill', palette=cmap)
​

无障碍与自定义色板

# colorblind：三种常见色觉障碍下仍可区分的安全色板
ax = sns.scatterplot(data=tips, x='total_bill', y='tip',
                     hue='day', palette='colorblind')

# 手动色表：与品牌或期刊规范对齐
brand = ['#2C5F9E', '#E15759', '#59A14F', '#F28E2B']
ax = sns.scatterplot(data=tips, x='total_bill', y='tip',
                     hue='day', palette=brand)

# 从单色出发构造两端：light_palette 与 dark_palette
sns.palplot(sns.light_palette('#2C5F9E', 6))    # 向白渐变，适合面积填充
sns.palplot(sns.dark_palette('#E15759', 6))     # 向黑渐变，适合线与点
# 输出说明：同色系明度梯度在黑白打印后仍保持可分辨——单色渐变的隐藏优势
​

diverging_palette 则是发散色板的构造器，两端各给一个色相即得：

# 230 与 8 是两端色相角度，s 控制饱和度，as_cmap 返回连续刻度
cmap = sns.diverging_palette(230, 8, s=60, as_cmap=True)
ax = sns.heatmap(tips.select_dtypes('number').corr(), cmap=cmap, center=0, annot=True)
​

案例：一张图挽救一次汇报

背景：季度汇报的散点图被同事吐槽"看不清哪些是哪些"——原图用了默认色板配四个类别加一条连续色带，投影后绿蓝难分。

操作：

tips['bill_band'] = pd.cut(tips['total_bill'], [0, 15, 30, 60],
                           labels=['低', '中', '高'])
ax = sns.scatterplot(
    data=tips, x='total_bill', y='tip',
    hue='day', palette='colorblind',          # 类别：无障碍定性色
    style='bill_band',                        # 消费档位改用形状，不再叠加第二条颜色通道
    markers=['o', 's', 'D'], alpha=0.75,
)
sns.move_legend(ax, 'upper left', title='星期')
ax.set_xlabel('总消费（美元）')
ax.set_ylabel('小费（美元）')
​

结果解读：颜色只服务星期一个通道，四色在低饱和投影下依然可分；消费档位交给形状，黑白打印也不丢信息。变式：若消费档位必须用颜色表达（如热力图场景），三档离散的 mako 色阶比连续色带更利于口头汇报（"深色档"是明确的三选一，"偏深那一段"是模糊的连续区间）。

⚠️ 常见坑：hue 通道的取值是数值型（如 0/1 编码）时，palette 参数会被忽略且无警告——因为连续刻度不接色板名。先把列转 category，色板才生效。

本节要点回顾

• 三类尺度三句话：类别定性、大小顺序、有零发散，语义对齐是第一原则；
• color_palette 是检查入口：任何拿不准的色板先 palplot 看一眼；
• 小整数离散化：palette 传色列表即得档位色阶，图例更可谈；
• 单色明度渐变抗降级：黑白打印后仍可分辨，报告场景优先；
• 数值型 hue 不吃色板名：转 category 再配色。

下一节从颜色升到全局：主题与上下文如何让一套代码适配三种交付媒介。