sns.palplot(sns.light_palette((210,90,60),input='husl'))
plt.show()
本章介绍了一些色彩设置，在之后的几章内容更深入的整理一些seaborn库在数据分析绘图上的功能和分析操作。
Seaborn是一个基于Matplotlib的数据可视化库，提供了许多内置的美观且易于使用的调色板。但是，有时候我们需要使用自定义的颜色方案来更好地展现我们的数据。在上面的示例中，我们使用了Seaborn内置的鸢尾花数据集，并根据鸢尾花的物种（species）来对散点图进行着色。由于我们在之前已经将自定义的调色板应用于Seaborn，因此图表中的颜色将根据我们指定的颜色方案进行展示。通过上述步骤，我们可以在Seaborn中手动指定调色板颜色进行数据可视化的颜色自定义。首先，我们需要导入必要的库。
color_palette()的主要参数通常是一个字符串：可以是一个特定调色板的名称，也可以是一个系列的名称和用于选择特定成员的附加参数。(由于历史原因，在 relplot() 或 displot() 等函数中，分类映射和数值映射都使用色调参数，尽管数值映射使用的调色板色调变化相对较小）。可以使用相应的 set_palette() 函数设置默认调色板，该函数在内部调用 color_palette()，并接受相同的参数。它们的亮度变化范围更为有限，但色调变化略微明显，可以弥补亮度变化的不足。
总结参考主题（style）环境（context）颜色（color_palette()）gallery本文主要是seaborn从入门到精通系列第4篇，本文介绍了seaborn的主题颜色设置并seaborn总结，同时介绍了较好的参考文档置于博客前面，读者可以重点查看参考链接。本系列的目的是可以完整的完成seaborn从入门到精通。重点参考连接。
写在开头：在该系列第一篇文章介绍了一下整体seaborn对于画图整体风格与比例的调控，今天开始分享一下seaborn对于颜色的设计。该文章参考文献主要为学习路远老师的seaborn教程，会在结尾放上链接。
上节回顾：上一节分享了Seaborn绘图的整体颜色与风格比例调控，可点击链接查看。python数据可视化之Seaborn（一）
Seaborn可视化内容安排
在Seaborn的学习中安排如下...
对于自定义连续调色板，可以调用light_palette 函数和dark_palette 函数进行单一颜色“播种”，“种子”可以用于产生单一颜色从浅色到深色的调色板。如果使用的是IPython Notebook(供 Jupyter Notebook 使用的一个 Jupyter 内核组件)，light_palette 函数和dark palette 函数还可以分别与choose_light palette 函数和choose_dark palette 函数启动交互式小部件创建单一颜色的调色板。
seaborn使用boxplot函数进行箱图可视化（使用色彩调色板自定义设置箱图的颜色、sns.set_palette全局设置palette参数、自定义全局调色板色彩）
plt.figure(figsize=(8,6))
for i in range(4):
plt.plot(x, np.sin(x+i) * (i+0.75), label='sin(x+%s)*(%s+0.75)'% (i,i))
plt.legend()
sinplot()
我们再使用Seaborn绘制图的时候会出现颜色选择的困惑。下面这个图是seaborn的一些图库。
但是有这个图是不够用的，因为seaborn中的图库需要进行转化，比如你想使用黄色这个颜色，简单的如下代码是不行的，
import seaborn as sns
colors=['yellow']
sns.scatterplot(x=x,y=y,hue=c,palette=colors)
上述的代码不行的，必须配合下表（表格放到后面了），比如将颜色转化为相应的代码，将yello转化为
