[Python] matplotlib, seaborn 컬러맵 그라디언트 방향반전

Try

후반 이탈 유도가 좋은 거라 색을 반전하고 싶었음.
RdYlGn을 뒤집어서 GnYlRd로 무식하게 하려고 했는데 안 됨.

Catch

역컬러맵 적용 (_r 붙이기)

전환율 / 확률 / density → 값이 클수록 진하게 보이게 하려면 _r 자주 씀

plt.imshow(data, cmap='viridis_r')

→ viridis → viridis_r
→ Blues → Blues_r
→ coolwarm → coolwarm_r

matplotlib에 내장된 모든 colormap이 이 방식 지원

# 좌
sns.barplot(x='coeff', y='feature', data=results_df, palette='RdYlGn')
#...
plt.show()

# 우
sns.barplot(x='coeff', y='feature', data=results_df, palette='RdYlGn_r')
#...
plt.show()

 

seaborn에서도 동일

sns.heatmap(data, cmap='magma_r')

객체로 받아서 뒤집기 (.reversed())

import matplotlib.pyplot as plt
import matplotlib.cm as cm

cmap = cm.get_cmap('viridis').reversed()
plt.imshow(data, cmap=cmap)

• 조건에 따라 뒤집을지 말지 결정해야 할 때
• 커스텀 colormap 만들 때 
• 주의사항: 컬러맵 객체를 따로 생성할 것 (plot에 직접 못 붙임)

 

seaborn도 동일

cmap = sns.color_palette("viridis", as_cmap=True).reversed()

 

직접 구간 매핑

def visualize_coefficients(res, X):
    # 계수 추출 (Threshold 제외한 독립변수 계수만)
    params = res.params[:len(X.columns)]
    conf = res.conf_int().iloc[:len(X.columns)]

    results_df = pd.DataFrame({
        'feature': X.columns,
        'coeff': params.values,
        'lower': conf[0].values,
        'upper': conf[1].values
    }).sort_values(by='coeff', ascending=False)

    plt.figure(figsize=(10, 8))

    # colormap 객체
    cmap = plt.cm.RdYlGn
    
    # coeff 값을 0~1로 정규화
    norm = plt.Normalize(
        vmin=results_df['coeff'].min(),
        vmax=results_df['coeff'].max()
    )

    # coeff별 색상 생성
    colors = cmap(norm(results_df['coeff'].values))

    sns.barplot(
        x='coeff',
        y='feature',
        data=results_df,
        palette=colors
    )
	
    # 신뢰구간 표시 코드 생략
    
    plt.axvline(0, color='red', linestyle='--')
    plt.title('변수별 이탈 시점 영향력 (양수: 후반 이탈 유도, 음수: 초반 이탈 유도)')
    plt.tight_layout()
    plt.show()

visualize_coefficients(res, X)

부가

지금 쓰는 팔레트가 뭔지 확인하고 싶을 때

plt.colormaps()

일반적인 매핑

• 낮을 밝게, 높음을 어둡게 하는 게 해석이 더 직관적
• 기획의 방향상 이득인 경우 한색 계열로