面试题：Python数据可视化中如何优化柱状图的颜色搭配

Question

在Python数据可视化时，使用Matplotlib或Seaborn库绘制柱状图，通常我们希望颜色搭配既能清晰区分不同类别，又具有美观性。假设你有一个数据集，包含不同城市的人口数量，需要绘制柱状图展示。请阐述如何选择合适的颜色方案来优化图表，并且给出实现该优化的Python代码示例。

Answer 1

颜色方案选择原则

1. 区分度高：不同城市的柱子颜色要有明显差异，避免相似度过高导致难以区分。
2. 美观性：整体颜色搭配要和谐，避免过于刺眼或不协调的颜色组合。可以参考一些设计原则，如使用同一色系不同深浅的颜色，或者使用互补色但调整其饱和度和明度。
3. 可读性：颜色不要过于复杂或花哨，要保证在各种显示环境下（如不同屏幕、打印等）都能清晰展示数据。

Python代码示例

1. 使用Matplotlib

import matplotlib.pyplot as plt
import numpy as np

# 假设数据
cities = ['CityA', 'CityB', 'CityC', 'CityD']
populations = [100000, 150000, 120000, 90000]

# 选择颜色方案，这里使用tab10颜色循环（Matplotlib内置）
colors = plt.cm.tab10(np.arange(len(cities)) % 10)

plt.bar(cities, populations, color=colors)
plt.xlabel('Cities')
plt.ylabel('Population')
plt.title('Population of Different Cities')
plt.show()

2. 使用Seaborn

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

# 假设数据
data = {'City': ['CityA', 'CityB', 'CityC', 'CityD'],
        'Population': [100000, 150000, 120000, 90000]}
df = pd.DataFrame(data)

# 使用Seaborn的默认颜色方案（更美观）
sns.barplot(x='City', y='Population', data=df)
plt.title('Population of Different Cities')
plt.show()

Seaborn默认的颜色方案通常已经经过优化，在大多数情况下能满足区分度和美观性的要求。如果需要自定义，可以使用sns.set_palette函数来设置不同的调色板，例如sns.set_palette("Set1")等。