# seaborn.diverging_palette
> 译者:[Modrisco](https://github.com/Modrisco)
```py
seaborn.diverging_palette(h_neg, h_pos, s=75, l=50, sep=10, n=6, center='light', as_cmap=False)
```
在两个 HUSL 颜色直接建立一个发散调色板。
如果您在使用 IPython notebook,您还可以通过 [`choose_diverging_palette()`](seaborn.choose_diverging_palette.html#seaborn.choose_diverging_palette "seaborn.choose_diverging_palette") 函数交互式选择调色板。
参数:`h_neg, h_pos`:float in [0, 359]
> 图的正负范围的锚定色调
`s`:[0, 100] 范围内的浮点数,可选
> 图的两个范围的锚定饱和度
`l`:[0, 100] 范围内的浮点数,可选
> 图的两个范围的锚定亮度
`n`:int,可选
> 调色板中的颜色数(如果为 not,返回一个 colormap)
`center`:{“light”, “dark”}, 可选
> 调色板中心为亮或暗
`as_cmap`:bool, 可选
> 如果为 true,返回一个 matplotlib colormap 而不是一个颜色列表。
返回值:`palette or cmap`:seaborn color palette or matplotlib colormap
> 类似列表的颜色对象的 RGB 元组,或者可以将连续值映射到颜色的 colormap 对象,具体取决于 `as_cmap` 参数的值。
另外
创建具有暗值的连续调色板。创建具有亮值的连续调色板。
例子
生成一个蓝-白-红调色板:
```py
>>> import seaborn as sns; sns.set()
>>> sns.palplot(sns.diverging_palette(240, 10, n=9))
```
![http://seaborn.pydata.org/_images/seaborn-diverging_palette-1.png](https://img.kancloud.cn/45/b1/45b1b5043cd460e1e484db93b12355bb_810x90.jpg)
生成一个更亮的绿-白-紫调色板:
```py
>>> sns.palplot(sns.diverging_palette(150, 275, s=80, l=55, n=9))
```
![http://seaborn.pydata.org/_images/seaborn-diverging_palette-2.png](https://img.kancloud.cn/f8/a6/f8a6a2f21ee0e3f6e0e1baa3bc234f01_810x90.jpg)
生成一个蓝-黑-红调色板:
```py
>>> sns.palplot(sns.diverging_palette(250, 15, s=75, l=40,
... n=9, center="dark"))
```
![http://seaborn.pydata.org/_images/seaborn-diverging_palette-3.png](https://img.kancloud.cn/89/ef/89ef937661db57a0b72274f0957f3a68_810x90.jpg)
生成一个 colormap 对象:
```py
>>> from numpy import arange
>>> x = arange(25).reshape(5, 5)
>>> cmap = sns.diverging_palette(220, 20, sep=20, as_cmap=True)
>>> ax = sns.heatmap(x, cmap=cmap)
```
![http://seaborn.pydata.org/_images/seaborn-diverging_palette-4.png](https://img.kancloud.cn/d3/76/d37640c4c37cd7fca249f54f91321e17_576x432.jpg)
- seaborn 0.9 中文文档
- Seaborn 简介
- 安装和入门
- 可视化统计关系
- 可视化分类数据
- 可视化数据集的分布
- 线性关系可视化
- 构建结构化多图网格
- 控制图像的美学样式
- 选择调色板
- seaborn.relplot
- seaborn.scatterplot
- seaborn.lineplot
- seaborn.catplot
- seaborn.stripplot
- seaborn.swarmplot
- seaborn.boxplot
- seaborn.violinplot
- seaborn.boxenplot
- seaborn.pointplot
- seaborn.barplot
- seaborn.countplot
- seaborn.jointplot
- seaborn.pairplot
- seaborn.distplot
- seaborn.kdeplot
- seaborn.rugplot
- seaborn.lmplot
- seaborn.regplot
- seaborn.residplot
- seaborn.heatmap
- seaborn.clustermap
- seaborn.FacetGrid
- seaborn.FacetGrid.map
- seaborn.FacetGrid.map_dataframe
- seaborn.PairGrid
- seaborn.PairGrid.map
- seaborn.PairGrid.map_diag
- seaborn.PairGrid.map_offdiag
- seaborn.PairGrid.map_lower
- seaborn.PairGrid.map_upper
- seaborn.JointGrid
- seaborn.JointGrid.plot
- seaborn.JointGrid.plot_joint
- seaborn.JointGrid.plot_marginals
- seaborn.set
- seaborn.axes_style
- seaborn.set_style
- seaborn.plotting_context
- seaborn.set_context
- seaborn.set_color_codes
- seaborn.reset_defaults
- seaborn.reset_orig
- seaborn.set_palette
- seaborn.color_palette
- seaborn.husl_palette
- seaborn.hls_palette
- seaborn.cubehelix_palette
- seaborn.dark_palette
- seaborn.light_palette
- seaborn.diverging_palette
- seaborn.blend_palette
- seaborn.xkcd_palette
- seaborn.crayon_palette
- seaborn.mpl_palette
- seaborn.choose_colorbrewer_palette
- seaborn.choose_cubehelix_palette
- seaborn.choose_light_palette
- seaborn.choose_dark_palette
- seaborn.choose_diverging_palette
- seaborn.load_dataset
- seaborn.despine
- seaborn.desaturate
- seaborn.saturate
- seaborn.set_hls_values