Seaborn.plotting_context() 方法

Seaborn.plotting_context() 方法获取控制绘图元素缩放的参数。缩放不会影响绘图的整体风格，但会影响绘图的标签、线条和其他元素。它是使用 matplotlib rcParams 系统完成的。

例如，如果基本上下文是"notebook"，其他上下文是"poster"、"paper"和"information"。这些其他上下文是按不同值缩放的 notebook 参数。上下文中的字体元素也可以独立缩放。

这个函数也可以用来改变全局默认值。

语法

以下是 plotting_context() 方法的语法 −

seaborn.plotting_context(context=None, font_scale=1, rc=None)

参数

以下是该方法的参数 −

S.No	参数及说明
1	context 将以下内容作为输入 none、dict 或 {paper、notebook、talk、poster} 之一，并确定参数字典或预配置集的名称。
2	Rc 以rcdict为值，是一个可选参数，执行参数映射以覆盖预设的seaborn样式字典中的值。这只会更新被视为样式定义一部分的参数。
3	Font_scale 以浮点值作为输入，并且是可选参数。它单独缩放因子来独立缩放字体元素的大小。

示例 1

当我们不带任何参数单独调用函数时，将返回缩放参数的当前默认值。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.plotting_context()
plt.show()

输出

获得的输出是所有当前默认值的列表，可以在下面看到。

{'axes.labelsize': 12.0, 'axes.linewidth': 1.25, 'axes.titlesize': 12.0, 'font.size': 12.0, 'grid.linewidth': 1.0, 'legend.fontsize': 11.0, 'legend.title_fontsize': 12.0, 'lines.linewidth': 1.5, 'lines.markersize': 6.0, 'patch.linewidth': 1.0, 'xtick.labelsize': 11.0, 'xtick.major.size': 6.0, 'xtick.major.width': 1.25, 'xtick.minor.size': 4.0, 'xtick.minor.width': 1.0, 'ytick.labelsize': 11.0, 'ytick.major.size': 6.0, 'ytick.major.width': 1.25, 'ytick.minor.size': 4.0, 'ytick.minor.width': 1.0}

示例 2

当我们调用具有预定义样式名称的函数时，将显示该样式的值。在此示例中，我们将调用 talk 风格并查看其值。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.plotting_context("talk")
plt.show()

输出

现在得到的输出如下，

{'axes.labelsize': 18.0, 'axes.linewidth': 1.875, 'axes.titlesize': 18.0, 'font.size': 18.0, 'grid.linewidth': 1.5, 'legend.fontsize': 16.5, 'legend.title_fontsize': 18.0, 'lines.linewidth': 2.25, 'lines.markersize': 9.0, 'patch.linewidth': 1.5, 'xtick.labelsize': 16.5, 'xtick.major.size': 9.0, 'xtick.major.width': 1.875, 'xtick.minor.size': 6.0, 'xtick.minor.width': 1.5, 'ytick.labelsize': 16.5, 'ytick.major.size': 9.0, 'ytick.major.width': 1.875, 'ytick.minor.size': 6.0, 'ytick.minor.width': 1.5}

示例 3

我们将调用该函数以及绘图，并查看绘图中的差异。以下代码可用于执行此操作。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
with sns.plotting_context("talk"):
sns.barplot(x=["A", "B", "C"], y=[10, 32, 67])
plt.show()