.

در کنار کانال آنالیز آماری (زیرمجموعه همین تیم) مواردی که تا اینجا مطرح شد ابزار جدیدی برای تحلیل‌های آماری در اختیارمان قرار داد.

مطمئنا اگر بدانیم قرار است چه نوع تحلیل و مسیر آماری را برای داده‌خای خود پیاده کنیم، به راحتی امکان استفاده از پایتون را در این مسیر داریم.


در تحلیل آماری با پایتون، چون که یک بخش آن ترسیم گراف است، نیاز است به موضوع مدیریت رنگ در پایتون بپردازیم.
.

.

روش تعریف رنگ در پایتون (Matplotlib)

در Matplotlib، برای پارامتر color می‌توان از نام‌های استاندارد رنگ استفاده کرد.

این رنگ‌ها از نام‌های CSS گرفته شده‌اند.

.

.

روش‌های استفاده از رنگ در پایتون (Matplotlib)

1. نام ساده رنگ‌ها (CSS Names)

2. کد HEX یا هگزادسیمال برای تعریف دقیق رنگ

3. کد RGB یا RGBA با مقدار بین صفر و یک

4. حروف تک‌حرفی (سریع ولی محدود)

5. استفاده ازColormapها (پالت رنگ آماده) برای داده‌های پیوسته


@Python_Education_Azizi
.

.

1. نام ساده رنگ‌ها (CSS Names)

مانند

"red", "blue", "green", "yellow", "purple", "orange", "black", "white", "pink", "brown", "cyan", "magenta", "gray", "gold", "silver" and …

.

.
نام ساده رنگ‌ها (CSS Names)

.

.

2. کد HEX یا هگزادسیمال برای تعریف دقیق رنگ

مانند

color="#FF5733"

.

.

3. کد RGB یا RGBA با مقدار بین صفر و یک

مانند

color=(0.2, 0.4, 0.6) # RGB

color=(0.2, 0.4, 0.6, 0.8) # RGBA (با شفافیت)

.

.
4. حروف تک‌حرفی (سریع ولی محدود)

.

.

در کد زیر رنگ‌های مختلف بالا را امتحان و نتیجه را ببینید.

import matplotlib.pyplot as plt
x = [1,2,3,4,5]
y = [2,4,6,8,10]
plt.plot(x, y, color="#FF5733", linewidth=5)
plt.title("Example with Named Color")
plt.show()

.

.

5. استفاده ازColormapها (پالت رنگ آماده) برای داده‌های پیوسته

معروف‌ترین‌ها:

"viridis", "plasma", "inferno", "magma", "cividis", "coolwarm", "rainbow", "jet", "spring", "summer", "autumn", "winter"

.

.

تمرین استفاده ازColormapها

import matplotlib.pyplot as plt
import numpy as np
cmap = plt.cm.viridis # 'plasma', 'coolwarm', 'tab10', ...
x = np.linspace(0, 10, 100)
y = np.sin(x)
colors = cmap(np.linspace(0, 1, len(x)))
plt.figure(figsize=(8, 4))
plt.scatter(x, y, c=colors, s=50)
plt.title("Matplotlib Colormap - Viridis")
plt.show()

.

.
پالت‌های معروف Seaborn

@Python_Education_Azizi

.

.

نمایش همه این پالت‌ها با کد
لطفا اجرا کنید.

import seaborn as sns
import matplotlib.pyplot as plt
palettes = ["deep", "muted", "pastel", "bright", "dark", "colorblind",
"Set1", "Set2", "Set3", "Paired", "Accent", "Pastel1", "Pastel2", "Dark2",
"coolwarm", "RdBu_r", "Spectral"]
plt.figure(figsize=(10, 8))
for i, palette in enumerate(palettes):
colors = sns.color_palette(palette, 8)
plt.subplot(len(palettes)//3+1, 3, i+1)
sns.palplot(colors)
plt.title(palette, fontsize=8)
plt.tight_layout()
plt.show()

.

.
پالت‌های معروف Seaborn

.

.
پالت‌های معروف Matplotlib

@Python_Education_Azizi
.

.

نمایش همه این پالت‌ها با کد
لطفا اجرا کنید.

import matplotlib.pyplot as plt
import numpy as np

cmaps = plt.colormaps()
gradient = np.linspace(0, 1, 256).reshape(1, -1)

fig, axs = plt.subplots(len(cmaps)//5, 5, figsize=(15, 40))
for ax, cmap_name in zip(axs.flat, cmaps):
ax.imshow(gradient, aspect='auto', cmap=plt.get_cmap(cmap_name))
ax.set_title(cmap_name, fontsize=8)
ax.axis('off')
plt.tight_layout()
plt.savefig("colormaps.jpeg", format="jpeg", dpi=300)
plt.show()

.

.
پالت‌های معروف Matplotlib

.

.

.

.

.
جلسه هجدهم ..............................................
.