如何在 Seaborn 中将图形样式更改为 Darkgrid？

---

Seaborn 提供多种内置图形样式，我们可以从中选择来增强绘图的视觉效果。这些样式会影响各种元素，例如颜色、网格线、背景和字体。要在 Seaborn 中设置图形样式，我们可以使用 **`sns.set_style()`** 函数。以下是 Seaborn 库中可用的图形样式。

• **Darkgrid** - 此样式具有深灰色背景和网格线，有助于将注意力集中在数据点上。

• **Whitegrid** - 此样式类似于“**darkgrid**”，但具有白色背景，使其适合具有较浅颜色方案的绘图。

• **Dark** - 此样式具有深色背景，没有网格线，使绘图看起来简洁明了。

• **White** - 此样式类似于“**dark**”，但具有白色背景，对于具有较浅颜色的绘图非常有用。

• **Ticks** - 此样式删除背景网格，仅显示轴上的刻度标记。

在本文中，我们将了解如何在 seaborn 中将图形样式更改为 Dark Grid。要在 Seaborn 中将图形样式更改为“**darkgrid**”，我们可以按照以下步骤操作。

安装 Seaborn

我们应该确保已在 Python 环境中安装 Seaborn。我们可以在 Python 工作环境中使用 **pip** 命令安装它。

pip install seaborn

导入必要的库

在我们的 Python 脚本或 Jupyter Notebook 中，接下来我们必须导入所需的库，例如 Seaborn 和 Matplotlib.pyplot。

import seaborn as sns
import matplotlib.pyplot as plt

设置图形样式

使用 **`sns.set_style()`** 函数将图形样式设置为“**darkgrid**”。此函数修改 Matplotlib 的默认样式。

sns.set_style("darkgrid")

这行代码将图形样式设置为“**darkgrid**”。

绘制数据

现在我们可以使用 Seaborn 和 Matplotlib 创建和自定义我们的绘图。这是一个绘制条形图的简单示例。

示例

在此示例中，**`sns.barplot()`** 使用 Seaborn 创建条形图。以下几行使用 Matplotlib 设置 x 轴标签、y 轴标签和标题。最后，**`plt.show()`** 显示绘图。

import seaborn as sns
import matplotlib.pyplot as plt

x = ["A", "B", "C", "D"]
y = [10, 20, 15, 25]
# Create a bar plot
sns.barplot(x=x, y=y)
# Set labels and title
plt.xlabel("Categories")
plt.ylabel("Values")
plt.title("Bar Chart")
# Display the plot
plt.show()

输出

自定义

我们可以使用各种 Seaborn 函数和 Matplotlib 选项进一步自定义我们的绘图。例如，我们可以调整调色板、字体大小、网格线等。有关更多自定义选项，请参阅 Seaborn 文档。

以下几行代码演示了一些额外的自定义，其中 **`sns.set_palette()`** 将调色板更改为“**husl**”。**`plt.xticks()`** 和 **`plt.yticks()`** 分别设置 x 轴和 y 轴刻度的字体大小。**`plt.grid()`** 使用虚线样式和 0.5 的线宽向绘图添加网格线。

示例

import seaborn as sns
import matplotlib.pyplot as plt

x = ["A", "B", "C", "D"]
y = [10, 20, 15, 25]
# Create a bar plot
sns.barplot(x=x, y=y)
sns.set_palette("husl")  # Change the color palette
plt.xticks(fontsize=15)  # Set x-axis tick font size
plt.yticks(fontsize=15)  # Set y-axis tick font size
plt.grid(True, linestyle="--", linewidth=1.5)  # Add grid lines  
# Set labels and title
plt.xlabel("Categories")
plt.ylabel("Values")
plt.title("Bar Chart")
# Display the plot
plt.show()

输出