如何让联合核密度图在黑色背景上看起来更好（seaborn）

Question

我有三个数据集（df1、df2、df3，这里以随机生成为例），我想在黑色背景上一起绘制联合核密度。我不喜欢关节 kdes 重叠部分的外观，因为当白色部分（最低密度）与黑色背景重叠时，它真的很突出。相比之下，这在白色背景下看起来不错（将包括在底部进行比较），但我需要它是黑色背景。

如何使这更好的想法可能是：

1. 反转颜色条，使密度最低的是深色，密度高的是亮色。

有谁知道如何做到这一点或如何使它变得更好？

我不知道从哪里开始寻找，但我在 seaborn 的 GitHub 上找到了这个 closed issue，它谈到了一些关于着色的内容。

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


# Uncomment for black background figure
plt.rcParams.update({
    "grid.color": "white",
    'hatch.color': 'k',
    "lines.color": "white",
    "patch.edgecolor": "white",
    'patch.facecolor': ([0, 1, 1]),
    'grid.alpha': 0.4,
    "text.color": "lightgray",
    "axes.facecolor": "black",
    "axes.edgecolor": "lightgray",
    "axes.labelcolor": "white",
    "xtick.color": "white",
    "ytick.color": "white",
    "grid.color": "lightgray",
    "figure.facecolor": "black",
    "figure.edgecolor": "black",
    "savefig.facecolor": "black",
    "savefig.edgecolor": "black"})

df1 = pd.DataFrame(np.random.randint(0,60,size=(1500, 4)), columns=list('ABCD'))
df2 = pd.DataFrame(np.random.randint(20,80,size=(1500, 4)), columns=list('ABCD'))
df3 = pd.DataFrame(np.random.randint(40,100,size=(1500, 4)), columns=list('ABCD'))

f, axs = plt.subplots()

# Draw density plots
axs = sns.kdeplot(df1.A, df1.B, alpha=0.5,
                 cmap="Reds", shade=True, shade_lowest=False, cbar=True)
axs = sns.kdeplot(df2.A, df2.B, alpha=0.5,
                 cmap="Oranges", shade=True, shade_lowest=False, cbar=True)
axs = sns.kdeplot(df3.A, df3.B, alpha=0.5,
                 cmap="Blues", shade=True, shade_lowest=False, cbar=True)

Answer 1

在后台，seaborn 正在使用matplotlib 颜色映射。

This 回答提供了一些关于反转matplotlib 颜色图的见解，适用于此处：

所有标准颜色图也都有反转版本。它们具有相同的名称，并在末尾添加了_r。 (Documentation here)。

您的某些颜色图不适用于最新版本，因此我使用了Reds、Oranges 和Blues。请注意，我将它们交换为Reds_r、Oranges_r 和Blues_r。我相信这就是您正在寻找的结果。

# Draw density plots
axs = sns.kdeplot(
    df1.A, df1.B, alpha=0.5, cmap="Reds_r", shade=True, shade_lowest=False, cbar=True,
)
axs = sns.kdeplot(
    df2.A, df2.B, alpha=0.5, cmap="Greens_r", shade=True, shade_lowest=False, cbar=True
)
axs = sns.kdeplot(
    df3.A, df3.B, alpha=0.5, cmap="Blues_r", shade=True, shade_lowest=False, cbar=True
)

更新：

您可以手动反转选择的颜色图，方法是获取它，然后在其上调用 reverse：

color_map = plt.cm.get_cmap('Blues')
reversed_color_map = color_map.reversed()

然后将您的反转颜色图提供给kdeplot：

axs = sns.kdeplot(
    df3.A, df3.B, alpha=0.5, cmap=reversed_color_map , shade=True, shade_lowest=False, cbar=True
)

这样您就可以使用任何颜色图，即使是没有预定义_r 的颜色图。