6.2 图形风格 (Plot Styles)

6.2 图形风格 (Plot Styles)

第六章：Seaborn图形定制与美化 - 6.2 图形风格 (Plot Styles) 详解与实践

Seaborn，作为Python数据可视化库的佼佼者，建立在Matplotlib之上，旨在创建更具吸引力和信息量的统计图形。在图形定制与美化方面，Seaborn提供了丰富的工具和选项，其中 图形风格 (Plot Styles) 是至关重要的一环。它如同为画布选择底色和纹理，直接影响着图形的整体观感和信息传递的效率。

6.2.1 理解Seaborn的图形风格

Seaborn的图形风格，本质上是预定义的 主题 (Themes) 的一种简化应用。它允许用户通过简单的命令，快速切换图形的整体视觉风格，包括背景颜色、网格线、轴线样式、字体颜色等。这些预设风格旨在适应不同的数据类型、展示场景以及个人审美偏好。

Seaborn 提供了五种内置的图形风格，可以通过 seaborn.set_style() 函数进行设置：

• darkgrid: 默认风格，深灰色背景，带有白色网格线。适用于需要强调数据点，并提供辅助参考线的场景。

• whitegrid: 白色背景，带有灰色网格线。相较于 darkgrid 更加简洁明亮，网格线不那么突出，适合需要清晰展示数据趋势，同时保持画面整洁的场景。

• dark: 深灰色背景，无网格线。风格简约，专注于数据本身，适合需要突出数据差异，弱化背景干扰的场景。

• white: 白色背景，无网格线。最简洁的风格，强调数据的清晰度和可读性，适用于需要呈现干净、专业的视觉效果的场景。

• ticks: 白色背景，无网格线，但轴线带有刻度线 (ticks)。在 white 风格的基础上，增加了刻度线，更清晰地标示数据轴的范围和刻度，适合需要精确读取数值的场景。

这些风格并非孤立存在，它们可以被进一步定制和组合，以满足更个性化的需求。在深入定制之前，熟练掌握和应用这些内置风格是至关重要的基础。

6.2.2 代码实践：Seaborn内置图形风格

为了更直观地展示不同风格的效果，我们将通过一系列代码示例，分别应用这五种内置风格，并进行详细的解释。

准备工作：导入必要的库

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
# 设置 Matplotlib 正常显示中文和负号
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体为 SimHei
plt.rcParams['axes.unicode_minus'] = False   # 解决负号显示为方块的问题
​

示例数据：生成模拟数据

为了演示不同风格在实际图形中的效果，我们生成一些模拟数据，包括数值型和类别型数据。

# 生成数值型数据
np.random.seed(0)
x = np.linspace(0, 10, 100)
y1 = np.sin(x) + np.random.randn(100) * 0.5
y2 = np.cos(x) + np.random.randn(100) * 0.5
# 生成类别型数据
categories = ['A', 'B', 'C', 'D', 'E']
values = np.random.randint(10, 50, size=len(categories))
category_data = pd.DataFrame({'Category': categories, 'Value': values})
​

1. darkgrid 风格

sns.set_style("darkgrid")
plt.figure(figsize=(8, 6))
plt.plot(x, y1, label='曲线 1')
plt.plot(x, y2, label='曲线 2')
plt.title('Darkgrid 风格示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.show()
​

代码详解：

• sns.set_style("darkgrid"): 这行代码设置全局的Seaborn图形风格为 darkgrid。后续所有使用Seaborn或Matplotlib绘制的图形，只要没有显式更改风格，都将应用此风格。

• plt.figure(figsize=(8, 6)): 创建 Matplotlib 图形对象，并设置图形大小为 8x6 英寸。

• plt.plot(x, y1, label='曲线 1') 和 plt.plot(x, y2, label='曲线 2'): 绘制两条折线图，并添加标签，用于图例显示。

• plt.title('Darkgrid 风格示例'), plt.xlabel('X轴'), plt.ylabel('Y轴'), plt.legend(): 设置图形标题、轴标签和图例。

• plt.show(): 显示图形。

图形效果分析：

darkgrid 风格的图形，背景为深灰色，网格线为白色。这种风格的优点在于：

• 突出数据: 深色背景与浅色数据线条形成鲜明对比，更容易吸引用户的注意力到数据本身。

• 辅助参考: 白色网格线为数据点的定位和数值读取提供了辅助参考，尤其在需要精确比较数据点位置时非常有用。

• 经典稳重: 深色背景给人一种经典、稳重的感觉，适用于正式的报告和演示场合。

mermaid graph TD 图示：

2. whitegrid 风格

sns.set_style("whitegrid")
plt.figure(figsize=(8, 6))
plt.plot(x, y1, label='曲线 1')
plt.plot(x, y2, label='曲线 2')
plt.title('Whitegrid 风格示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.show()
​

代码详解：

代码结构与 darkgrid 示例完全一致，仅需将 sns.set_style("darkgrid") 替换为 sns.set_style("whitegrid") 即可。

图形效果分析：

whitegrid 风格的图形，背景为白色，网格线为灰色。与 darkgrid 相比，whitegrid 风格：

• 更加明亮: 白色背景使得整体画面更加明亮、清新，更符合现代审美。

• 网格线弱化: 灰色网格线相较于白色网格线，视觉冲击力更弱，不会过于抢占数据的注意力。

• 简洁清爽: 整体风格更加简洁清爽，适用于需要突出数据趋势，同时保持画面整洁的场景。

mermaid graph TD 图示：

3. dark 风格

sns.set_style("dark")
plt.figure(figsize=(8, 6))
plt.plot(x, y1, label='曲线 1')
plt.plot(x, y2, label='曲线 2')
plt.title('Dark 风格示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.show()
​

代码详解：

同样，只需将 sns.set_style() 函数的参数修改为 "dark"。

图形效果分析：

dark 风格的图形，背景为深灰色，没有网格线。这种风格的特点是：

• 极致简约: 移除了网格线，使得画面更加简洁，专注于数据本身。

• 高对比度: 深色背景与浅色数据线条形成高对比度，突出数据差异，强化视觉冲击力。

• 现代感: 简约的设计风格更具现代感，适用于追求简洁、直接的数据展示。

mermaid graph TD 图示：

4. white 风格

sns.set_style("white")
plt.figure(figsize=(8, 6))
plt.plot(x, y1, label='曲线 1')
plt.plot(x, y2, label='曲线 2')
plt.title('White 风格示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.show()
​

代码详解：

将 sns.set_style() 函数的参数修改为 "white"。

图形效果分析：

white 风格的图形，背景为白色，没有网格线。它是最简洁的风格之一：

• 极致简洁: 白色背景和无网格线，将简洁性发挥到极致，最大程度地减少视觉干扰。

• 清晰易读: 白色背景与深色数据线条形成清晰对比，数据易于阅读和理解。

• 专业性: 简洁的设计风格通常被认为更具专业性，适用于学术论文、商业报告等正式场合。

mermaid graph TD 图示：

5. ticks 风格

sns.set_style("ticks")
plt.figure(figsize=(8, 6))
plt.plot(x, y1, label='曲线 1')
plt.plot(x, y2, label='曲线 2')
plt.title('Ticks 风格示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.show()
​

代码详解：

将 sns.set_style() 函数的参数修改为 "ticks"。

图形效果分析：

ticks 风格的图形，背景为白色，没有网格线，但轴线带有刻度线 (ticks)。它在 white 风格的基础上，增加了刻度线：

• 精确刻度: 刻度线的加入，使得轴线的刻度更加清晰可见，方便用户精确读取数据数值。

• 增强可读性: 刻度线在一定程度上增强了图形的可读性，尤其是在需要关注具体数值而非趋势时。

• 细节呈现: 刻度线作为一种细节元素，可以提升图形的精致感。

mermaid graph TD 图示：

类别型数据示例：条形图风格对比

为了进一步展示不同风格在不同图表类型上的应用，我们使用类别型数据绘制条形图，并对比 darkgrid 和 whitegrid 风格的效果。

# darkgrid 风格条形图
sns.set_style("darkgrid")
plt.figure(figsize=(8, 6))
sns.barplot(x='Category', y='Value', data=category_data)
plt.title('Darkgrid 风格条形图')
plt.xlabel('类别')
plt.ylabel('数值')
plt.show()
# whitegrid 风格条形图
sns.set_style("whitegrid")
plt.figure(figsize=(8, 6))
sns.barplot(x='Category', y='Value', data=category_data)
plt.title('Whitegrid 风格条形图')
plt.xlabel('类别')
plt.ylabel('数值')
plt.show()
​

图形效果对比分析：

• darkgrid 条形图: 深灰色背景与彩色条形形成对比，网格线辅助高度比较，整体风格较为突出，适合强调数值差异。

• whitegrid 条形图: 白色背景更加明亮，灰色网格线弱化，条形图显得更加清新，适合展示类别之间的数值分布，同时保持画面整洁。

6.2.3 风格参数详解与定制

sns.set_style() 函数除了可以设置预定义的风格名称，还可以接受一个字典参数 rc，用于更精细地定制风格的各个方面。通过 rc 参数，我们可以修改背景颜色、网格线颜色、轴线颜色、字体、线条粗细等等。

查看当前风格参数：

可以使用 sns.axes_style() 函数获取当前风格的参数字典。

current_style = sns.axes_style()
print(current_style)
​

输出结果将是一个字典，包含了当前风格的所有参数及其值。例如，对于 darkgrid 风格，部分参数如下：

{'axes.facecolor': '#EAEAF2', 'axes.edgecolor': 'black', 'axes.grid': True, 'axes.axisbelow': 'line', 'axes.labelcolor': 'black', 'figure.facecolor': 'white', 'grid.color': 'white', 'grid.linestyle': '-', 'text.color': 'black', 'xtick.color': 'black', 'ytick.color': 'black', 'xtick.direction': 'out', 'ytick.direction': 'out', 'lines.solid_capstyle': 'round', 'patch.edgecolor': 'w', 'image.cmap': 'rocket', 'font.family': ['sans-serif'], 'font.sans-serif': ['DejaVu Sans', 'Liberation Sans', 'Bitstream Vera Sans', 'sans-serif'], 'xtick.bottom': True, 'xtick.top': False, 'ytick.left': True, 'ytick.right': False, 'axes.spines.left': True, 'axes.spines.bottom': True, 'axes.spines.right': False, 'axes.spines.top': False, 'xtick.minor.visible': False, 'ytick.minor.visible': False, 'legend.frameon': True, 'legend.facecolor': '0.9', 'legend.edgecolor': 'black', 'legend.shadow': False, 'legend.numpoints': 1, 'legend.scatterpoints': 1, 'legend.fontsize': 'medium', 'axes.titlesize': 'large', 'axes.labelsize': 'medium', 'xtick.labelsize': 'small', 'ytick.labelsize': 'small', 'axes.linewidth': 0.8, 'grid.linewidth': 0.8, 'lines.linewidth': 1.5, 'patch.linewidth': 1.0, 'xtick.major.size': 6.0, 'ytick.major.size': 6.0, 'xtick.minor.size': 4.0, 'ytick.minor.size': 4.0, 'xtick.major.width': 0.8, 'ytick.major.width': 0.8, 'xtick.minor.width': 0.6, 'ytick.minor.width': 0.6, 'axes3d.grid': True, 'axes3d.xaxis.panes_color': (0.95, 0.95, 0.95, 0.5), 'axes3d.yaxis.panes_color': (0.95, 0.95, 0.95, 0.5), 'axes3d.zaxis.panes_color': (0.95, 0.95, 0.95, 0.5), 'axes3d.xaxis.line_color': (0.2, 0.2, 0.2, 0.8), 'axes3d.yaxis.line_color': (0.2, 0.2, 0.2, 0.8), 'axes3d.zaxis.line_color': (0.2, 0.2, 0.2, 0.8), 'grid.alpha': 1.0}
​

定制风格参数：

我们可以通过修改 rc 字典中的键值对，来定制风格。例如，修改 darkgrid 风格的背景颜色为浅蓝色，网格线颜色为深灰色：

custom_style = {
    'axes.facecolor': '#E0F7FA',  # 浅蓝色背景
    'grid.color': '#424242'     # 深灰色网格线
}
sns.set_style("darkgrid", rc=custom_style)
plt.figure(figsize=(8, 6))
plt.plot(x, y1, label='曲线 1')
plt.plot(x, y2, label='曲线 2')
plt.title('定制 Darkgrid 风格示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.show()
​

常用可定制的风格参数：

• axes.facecolor: 轴域背景颜色。

• axes.edgecolor: 轴线颜色。

• axes.grid: 是否显示网格线 (True/False)。

• grid.color: 网格线颜色。

• grid.linestyle: 网格线线型 (如 '-', '--', ':', '-.').

• font.family: 字体族 (如 'sans-serif', 'serif', 'monospace').

• font.sans-serif: 无衬线字体列表 (用于选择具体字体).

• lines.linewidth: 线条粗细。

• markers.size: 标记大小。

mermaid graph TD 图示：

6.2.4 临时风格设置：with sns.axes_style()

有时候，我们只需要在局部修改图形风格，而不是全局改变。Seaborn 提供了 with sns.axes_style() 上下文管理器，用于实现临时风格设置。

plt.figure(figsize=(12, 6))
# 第一个子图，应用默认风格 (假设全局风格为 darkgrid)
plt.subplot(1, 2, 1)
plt.plot(x, y1)
plt.title('默认风格')
# 第二个子图，应用临时定制风格
with sns.axes_style("whitegrid", rc={'axes.facecolor': '#F0F8FF'}):  # 浅蓝色背景
    plt.subplot(1, 2, 2)
    plt.plot(x, y2)
    plt.title('临时定制风格')
plt.show()
​

代码详解：

• with sns.axes_style("whitegrid", rc={'axes.facecolor': '#F0F8FF'}):: 使用 with 语句创建一个上下文环境，在该环境内部，图形风格被设置为 whitegrid，并进一步定制了背景颜色为浅蓝色。

• 在 with 语句块内部绘制的图形，将应用临时设置的风格。

• with 语句块结束后，风格设置恢复到之前的状态（全局风格）。

mermaid graph TD 图示：

6.2.5 选择合适的图形风格

选择合适的图形风格，需要根据具体的应用场景和数据特点进行考虑。以下是一些选择风格的建议：

• 数据类型:

  • 数值型数据: darkgrid, whitegrid, dark, white, ticks 风格都适用。可以根据数据量和精度需求选择是否需要网格线和刻度线。

  • 类别型数据: darkgrid, whitegrid 风格在条形图、柱状图等类别型图表中表现良好，网格线可以辅助比较不同类别数值的大小。

• 展示场景:

  • 正式报告/论文: white, ticks 风格更加专业、简洁，适合正式场合。

  • 演示文稿/PPT: darkgrid, dark 风格更具视觉冲击力，更容易吸引观众注意力。

  • 网页/App: whitegrid, white 风格更加清新、现代，符合网页和App的视觉风格。

• 个人偏好: 风格选择也带有一定的个人主观性。可以根据自己的审美偏好，选择最符合自己口味的风格。

通用建议：

• 保持一致性: 在一个报告或项目中，尽量保持图形风格的一致性，避免风格过于杂乱，影响专业性。

• 简洁为美: 在不影响信息传递的前提下，尽量选择简洁的风格，避免过度装饰，干扰数据解读。

• 突出数据: 风格的最终目的是为了更好地展示数据，选择能够突出数据特点，提升信息传递效率的风格才是最佳选择。

6.2.6 总结

Seaborn 的图形风格 (Plot Styles) 是图形定制与美化的重要组成部分。通过 sns.set_style() 函数，我们可以快速切换预定义的五种内置风格 (darkgrid, whitegrid, dark, white, ticks)，也可以通过 rc 参数进行更精细的定制。with sns.axes_style() 上下文管理器则提供了临时风格设置的功能。

理解和灵活运用 Seaborn 的图形风格，能够显著提升数据可视化的质量和效率，使图形更具吸引力、信息量和专业性。在实际应用中，应根据数据类型、展示场景和个人偏好，选择合适的风格，并不断探索和实践，打造更具个性化和美观的数据可视化作品。

希望本篇文章能够帮助读者深入理解 Seaborn 的图形风格，并在数据可视化实践中灵活运用，创造更出色的数据可视化成果。