Палетки цветные: Палетка теней для век — купить набор теней для макияжа

В ярких красках: топ-5 цветных палеток на это лето

Палетка теней для век из коллекции Summer Dance, Dolce & Gabbana

4 очень чувственных тропических цвета – песочный, ярко-желтый, пастельный травянистый зеленый и нежный розовый – представляют собой высокопигментированные тени, которые можно наносить двумя способами – как сухим, так и влажным. Для нанесения теней влажным способом немного смочите аппликатор: это даст на выходе более концентрированные цвета.

Палитра теней для век 5 Couleurs, Dior в оттенке 357 Electrify

Насыщенные цвета позволят создать полноценный smoky eyes в сине-голубой гамме, одной их самых трендовых в наступившем пляжном сезоне. Пастельный голубой, помещенный в «сердце», следует растушевать по всему верхнему веку, лазурный синий – нанести на область подвижного века, и, наконец, самый темный, глубокий сине-зеленый, – поместить во внешний уголок глаз для пущей выразительности взгляда. Тем временем светлый жемчужный оттенок прекрасно проявит себя как хайлайтер. Приглушенный коралловый позволит расставить недостающие акценты в макияже глаз.

Палетка теней для век Keep An Eye On Me, YSL

Несложно заметить, что дизайн палетки вдохновлен стилями urban и pop-art и попутно отражает лейтмотивные цвета помещенных внутрь оттенков – графитовый и яркий розовый. Так, для создателей этой палетки в фаворите действительно оказалась «розовая тема»: они сделали ставку на лиловый, коралловый и джеральдин, а в «сердце» палетки поместили высокопигментированный графитовый оттенок – для драматичности взгляда.

Палетка для макияжа глаз Cover Shot Eye Palette, Smashbox в оттенке Bold

«Взрывные» цвета составили основу новой палетки теней для век от Smashbox. Всего их линейке вышло 7, эта заслуженно является самой «радужной». От красного до фиолетового, цвета палетки всем своим видом моментально заставляют всплывать в уме детскую мнемоническую фразу «Каждый охотник желает знать…». Дополняет все это радужное многообразие непритязательный белый, который, как известно, получается, когда все цвета радуги сливаются в один-единственный цвет.

Палетка теней для век Afterdark, Urban Decay

Палетка из лимитированной коллекции содержит 10 ярких высокопигментированных оттенков-глиттеров, с помощью которых можно создать эффектный вечерний образ. С тремя цветами фанаты Urban Decay уже знакомы – они на пике продаж в качестве моно-теней, – а остальные семь – это абсолютно новые оттеночные вариации, с которыми нам только предстоит познакомиться поближе.

Фото: архивы пресс-служб

Анастасия Сыропятова

Сегодня читают

Гороскоп на неделю с 19 по 25 декабря: кого ждет судьбоносная встреча, а кого — успех на работе

Принц в ярости: запрещенные кадры принцессы Дианы из нового фильма Меган и Гарри, которые разозлили Уильяма

Последняя надежда: всего одна принцесса, которая может остановить Гарри от новых скандальных откровений (и почему она этого не делает)

Герцогиня-фотограф: лучшие кадры, сделанные Кейт Миддлтон

Раскроет ваши тайны: что обувь расскажет о самооценке и характере

MIKatVONK 5color Eyeshadow — Тени для век 5 цветные(Палетка), NO.

6 графит, зеленый, мятный, желтый, серый

Чтобы добавить отзыв, пожалуйста, зарегистрируйтесь или войдите

Похожие товары

+ 28 bonuses

/штука

1 359 ₽/штука

+ 48 bonuses

/штука

2 360 ₽/штука

+ 28 bonuses

/штука

1 359 ₽/штука

+ 11 bonuses

/штука

501 ₽/штука

+ 18 bonuses

/штука

858 ₽/штука

+ 48 bonuses

/штука

2 360 ₽/штука

+ 32 bonuses

/штука

1 573 ₽/штука

+ 29 bonuses

/штука

1 430 ₽/штука

+ 8 bonuses

/упаковка

358 ₽/упаковка

+ 48 bonuses

/штука

2 360 ₽/штука

С этим товаром покупают

+ 32 bonuses

/штука

1 573 ₽/штука

+ 11 bonuses

/штука

501 ₽/штука

+ 48 bonuses

/штука

2 360 ₽/штука

+ 28 bonuses

/штука

1 359 ₽/штука

+ 29 bonuses

/штука

1 430 ₽/штука

+ 48 bonuses

/штука

2 360 ₽/штука

+ 18 bonuses

/штука

858 ₽/штука

+ 28 bonuses

/штука

1 359 ₽/штука

+ 48 bonuses

/штука

2 360 ₽/штука

+ 8 bonuses

/упаковка

358 ₽/упаковка

цветовых палитр | Benjamin Moore

Откройте для себя ряд цветовых палитр, разработанных нашими экспертами по цвету и дизайну.

Образец Наши самые продаваемые цвета краски

Закажите образцы краски Benjamin Moore, упорядоченные по самым продаваемым оттенкам в каждой цветовой группе.

Посмотреть самые продаваемые цвета

Семейства цветов

Ознакомьтесь с нашими самыми популярными цветами красок из каждого цветового семейства, получите советы по дизайну и многое другое.

См. Семейства цветов

Самые популярные цвета

Взгляните на самые популярные и знаковые цвета краски Бенджамина Мура.

Посмотреть самые популярные цвета

Заинтересованы в покупке фан-деки?

Изучите наш выбор веерных колод в интернет-магазине.

Купить сейчас

Сезонные цветовые палитры

Получите полезные сочетания цветов и советы, вдохновленные временами года.

Посмотреть сезонные палитры

Цвет по направлению

Ознакомьтесь с рекомендациями по цвету краски, основанными на естественном освещении вашего помещения.

Учить больше

Цветовые палитры в зависимости от стиля дизайна

Ознакомьтесь с цветами краски, которые используются в различных стилях и тенденциях.

См. Стили

Цвета краски по знаку зодиака

Что ваше место на небе говорит о вашей личной цветовой палитре?

Откройте для себя свои оттенки

Цвет по регионам

Используйте наши цветовые палитры и дизайнерские идеи для регионов США, составленные экспертами, чтобы информировать и вдохновлять ваш следующий проект.

Региональные цветовые палитры

Исследуйте цветовые палитры юго-запада, юго-востока, тихоокеанского северо-запада и регионов Скалистых гор Соединенных Штатов.

См. региональные палитры

Цвет года

В зависимости от культурных влияний во всем мире, Цвет года и соответствующая ему палитра Color Trends выбираются из нашей существующей библиотеки из более чем 3500 оттенков.

Цвет года и цветовые тренды 2023

Откройте для себя цвет года и палитру Color Trends 2023, разработанную нашими экспертами по цвету и дизайну.

Исследовать

Коллекции цветов

Ознакомьтесь с цветами Affinity®, Historical, ARBORCOAT® Exterior Stain и другими.

Benjamin Moore Classics®

Устаревшие цвета, выдержавшие испытание временем.

Посмотреть цвета

Color Preview®

Выразительные цвета во всем спектре.

Посмотреть цвета

Коллекция Affinity®

Избавьтесь от догадок: Affinity предлагает 144 цвета, которые можно смешивать и сочетать друг с другом, создавая гармоничный цветовой переход от комнаты к комнате.

Прочитайте больше

Историческая коллекция

Историческая коллекция предлагает 191 оттенок, вдохновленный американской архитектурой 18 и 19 веков.

Прочитайте больше

Aura® Color Stories®

Aura® Color Stories® 240 цветов демонстрируют усиленную реакцию на различные условия освещения; доступен только в интерьерных красках Aura.

Прочитайте больше

Дизайнерская классика

Продуманное сочетание удобных и изысканных цветов.

Посмотреть цвета

Коллекция цветов для красок Williamsburg®

Сочетание тенденций и традиций в коллекции цветов для красок Williamsburg®.

Прочитайте больше

Краски ARBORCOAT® Exterior Stain Colors

Выберите из ряда цветов, которые раскрывают естественную текстуру древесины в той или иной степени, насколько вы хотите.

См. Цвета пятен

Цвета для винила

Специально подобранная палитра из 75 цветов для винилового сайдинга и отделки для использования с некоторыми линиями окраски фасадов Benjamin Moore.

См. Цвета для винила

Поиск по адресу, городу, штату, почтовому индексу, стране

Выбор цветовых палитр — документация seaborn 0.12.1

Seaborn позволяет легко использовать цвета, которые хорошо подходят для характеристик ваших данных и целей визуализации. В этой главе обсуждаются как общие принципы, которыми следует руководствоваться при выборе, так и инструменты Seaborn, помогающие быстро найти наилучшее решение для данного приложения.

Общие принципы использования цвета на графиках

Компоненты цвета

Благодаря тому, как работают наши глаза, определенный цвет можно определить с помощью трех компонентов. Обычно мы программируем цвета на компьютере, указывая их значения RGB, которые устанавливают интенсивность красного, зеленого и синего каналов на дисплее. Но для анализа перцептивных атрибутов цвета лучше думать с точки зрения оттенок , насыщенность и яркость каналов.

Оттенок — это компонент, который различает «разные цвета» в нетехническом смысле. Это свойство цвета приводит к именам первого порядка, таким как «красный» и «синий»:

.

Насыщенность (или цветность) — это красочность . Два цвета с разными оттенками будут выглядеть более отчетливо, когда они имеют большую насыщенность:

.

Яркость соответствует тому, сколько света излучается (или отражается для печатных цветов) в диапазоне от черного до белого:

Меняйте оттенок, чтобы различать категории

Если вы хотите представить на графике несколько категорий, обычно следует менять цвет элементов. Рассмотрим простой пример: на каком из этих двух графиков легче подсчитать количество треугольных точек?

На графике справа «выскакивают» оранжевые треугольники, благодаря чему их легко отличить от кружков. Этот всплывающий эффект возникает из-за того, что наша зрительная система отдает предпочтение цветовым различиям.

Синий и оранжевый цвета различаются в основном своим оттенком. Оттенок полезен для представления категорий: большинство людей могут относительно легко различать умеренное количество оттенков, и точки, имеющие разные оттенки, но схожую яркость или интенсивность, кажутся одинаково важными. Это также облегчает обсуждение сюжетов. Рассмотрим этот пример:

Большинство людей смогли бы быстро установить, что на графике слева есть пять различных категорий, и, если бы их попросили охарактеризовать «синие» точки, смогли бы это сделать.

На графике справа, где все точки синие, но различаются по яркости и насыщенности, трудно сказать, сколько присутствует уникальных категорий. А как бы мы говорили о той или иной категории? — Довольно-но-не-слишком-синие очки? Более того, кажется, что серые точки уходят на задний план, делая их менее заметными по сравнению с более интенсивными синими точками. Если категории одинаково важны, это плохое представление.

Итак, как правило, для представления категорий используйте вариации оттенков. С учетом сказанного, вот несколько предостережений. Если у вас на графике больше нескольких цветов, может быть трудно помнить, что означает каждый из них, если только между категориями и цветами, используемыми для их представления, не существует заранее существующих ассоциаций. Это усложняет интерпретацию вашего сюжета: вместо того, чтобы сосредотачиваться на данных, зрителю придется постоянно обращаться к легенде, чтобы понять смысл того, что показано. Поэтому вы должны стремиться не делать сюжеты слишком сложными. И помните, что не все видят цвета одинаково. Изменение как формы (или какого-либо другого атрибута), так и цвета может помочь людям с аномальным цветовым зрением понять ваши графики, и это может сделать их (в некоторой степени) интерпретируемыми, если они напечатаны в черно-белом режиме.

Изменение яркости для представления чисел

С другой стороны, вариации оттенков плохо подходят для представления числовых данных. Рассмотрим этот пример, где нам нужны цвета для представления количества на двумерной гистограмме. Слева мы используем круговую карту цветов, где постепенные изменения количества наблюдений в каждом бине соответствуют постепенным изменениям оттенка. Справа мы используем палитру, в которой используются более яркие цвета для представления ячеек с большим количеством:

.

При использовании палитры на основе оттенков довольно сложно установить форму двумерного распределения. Напротив, палитра яркости делает более очевидным наличие двух заметных пиков.

Изменение яркости помогает увидеть структуру данных, а изменения яркости более интуитивно обрабатываются как изменения важности. Но на графике справа не используется карта оттенков серого. Его красочность делает его более интересным, а тонкие вариации оттенков увеличивают воспринимаемое расстояние между двумя значениями. В результате небольшие различия немного легче устранить.

Эти примеры показывают, что выбор цветовой палитры — это нечто большее, чем эстетика: выбранные вами цвета могут выявить закономерности в ваших данных при эффективном использовании или скрыть их при неправильном использовании. Не существует одной оптимальной палитры, но есть палитры, которые лучше или хуже подходят для определенных наборов данных и подходов к визуализации.

И эстетика имеет значение: чем больше люди хотят смотреть на ваши фигуры, тем больше шансов, что они чему-то у них учатся. Это верно даже тогда, когда вы делаете сюжеты для себя. Во время исследовательского анализа данных вы можете получить много похожих цифр. Изменение цветовых палитр добавит ощущение новизны, что поможет вам быть вовлеченным и готовым заметить интересные особенности ваших данных.

Так как же выбрать цветовые палитры, которые хорошо отображают ваши данные и выглядят привлекательно?

Инструменты для выбора цветовых палитр

Самая важная функция для работы с цветовыми палитрами — color_palette() . Эта функция обеспечивает интерфейс для большинства возможных способов создания цветовых палитр в Seaborn. И он используется внутри любой функции, имеющей аргумент палитры .

Основным аргументом функции color_palette() обычно является строка: либо имя определенной палитры, либо имя семейства и дополнительные аргументы для выбора конкретного элемента. В последнем случае color_palette() делегирует более конкретную функцию, например cubehelix_palette() . Также можно передать список цветов любым способом, который принимает matplotlib (кортеж RGB, шестнадцатеричный код или имя в таблице X11). Возвращаемое значение — это объект, обертывающий список кортежей RGB с несколькими полезными методами, такими как преобразование в шестнадцатеричные коды и расширенное представление HTML.

Вызов color_palette() без аргументов вернет текущую цветовую палитру по умолчанию, которую будет использовать matplotlib (и большинство функций Seaborn), если цвета не указаны иначе. Эта палитра по умолчанию может быть установлена ​​с помощью соответствующих set_palette() , которая вызывает color_palette() внутри и принимает те же аргументы.

Чтобы мотивировать различные параметры, которые предоставляет color_palette() , будет полезно ввести схему классификации для цветовых палитр. В целом палитры относятся к одной из трех категорий:

• качественные палитры, пригодные для представления категорийных данных

• последовательные палитры, удобные для представления числовых данных

• расходящиеся палитры, удобные для представления числовых данных с категориальной границей

Качественные цветовые палитры

Качественные палитры хорошо подходят для представления категорийных данных, поскольку большая часть их вариаций приходится на компонент оттенка. Цветовая палитра по умолчанию в Seaborn — это качественная палитра с десятью различными оттенками:

.

 sns.color_palette()
 

Эти цвета имеют тот же порядок, что и цветовая палитра matplotlib по умолчанию, "tab10" , но они чуть менее интенсивны. Сравните:

 sns. color_palette("tab10")
 

Seaborn на самом деле имеет шесть вариантов палитры matplotlib, которые называются deep , muted , pastel , Bright , dark и дальтоник . Они охватывают диапазон средних значений яркости и насыщенности:

Многие люди находят умеренные оттенки стандартной «глубокой» палитры эстетически приятными, но они также менее различимы. В результате их может быть труднее различить в некоторых контекстах, о чем следует помнить при создании графики для публикации. Это сравнение может быть полезно для оценки того, как цветовые палитры морских обитателей работают при моделировании различных форм дальтонизма.

Использование круговых цветовых систем

Если у вас есть произвольное количество категорий, самый простой способ найти уникальные оттенки — нарисовать равномерно распределенные цвета в круговом цветовом пространстве (тот, в котором оттенок меняется, сохраняя при этом яркость и насыщенность постоянными). Это то, что по умолчанию используется большинством функций Seaborn, когда им нужно использовать больше цветов, чем в настоящее время установлено в цветовом цикле по умолчанию.

Самый распространенный способ сделать это — использовать цветовое пространство hls , которое представляет собой простое преобразование значений RGB. Мы уже видели эту цветовую палитру в качестве контрпримера построения гистограммы:

 sns.color_palette("hls", 8)
 

Из-за того, как работает зрительная система человека, цвета, которые имеют одинаковую яркость и насыщенность с точки зрения их значений RGB, не обязательно будут выглядеть одинаково интенсивно. Чтобы исправить это, Seaborn предоставляет интерфейс для системы husl (с тех пор переименован в HSLuv) , что обеспечивает меньшее изменение интенсивности при вращении цветового круга:

 sns.color_palette("husl", 8)
 

Когда Seaborn нужна категориальная палитра с большим количеством цветов, чем доступно по умолчанию, он будет использовать этот подход.

Использование категориальных палитр Color Brewer

Другим источником визуально приятных категориальных палитр является инструмент Color Brewer (у которого также есть последовательные и расходящиеся палитры, как мы увидим ниже).

 sns.color_palette("Set2")
 

Имейте в виду, что качественные палитры Color Brewer имеют разную длину, и поведение по умолчанию color_palette() должно предоставить вам полный список:

 sns.color_palette("Пара")
 

Последовательные цветовые палитры

Второй основной класс цветовых палитр называется «последовательными». Этот тип сопоставления подходит, когда данные варьируются от относительно низких или неинтересных значений до относительно высоких или интересных значений (или наоборот). Как мы видели выше, основным параметром изменения в последовательной палитре является яркость. Некоторые морские функции по умолчанию используют последовательную палитру при отображении числовых данных. (По историческим причинам как категориальные, так и числовые отображения указываются с hue в таких функциях, как relplot() или displot() , хотя числовые сопоставления используют цветовые палитры с относительно небольшим изменением оттенка).

Перцептивно однородные палитры

Поскольку они предназначены для представления числовых значений, наилучшие последовательные палитры будут однородными по восприятию , что означает, что относительная различимость двух цветов пропорциональна разнице между соответствующими значениями данных. Seaborn включает в себя четыре последовательных цветовых карты с единообразным восприятием: "ракета" , "мако" , "ракета" и "гребень" . Первые два имеют очень широкий диапазон яркости и хорошо подходят для таких приложений, как тепловые карты, где цвета заполняют пространство, в которое они нанесены:

 sns.color_palette ("ракета", as_cmap = True)
 

 sns. color_palette ("мако", as_cmap = True)
 

Поскольку экстремальные значения этих цветовых карт приближаются к белому, они не очень подходят для окрашивания таких элементов, как линии или точки: будет сложно выделить важные значения на белом или сером фоне. Карты цветов «вспышка» и «гребень» — лучший выбор для таких графиков. У них более ограниченный диапазон изменений яркости, который они компенсируют чуть более выраженным изменением оттенка. Направление шкалы яркости по умолчанию также изменено на противоположное, так что меньшие значения имеют более светлые цвета:

 sns.color_palette («блик», as_cmap = True)
 

 sns.color_palette («гребень», as_cmap = True)
 

Также можно использовать перцептивно однородные цветовые карты, предоставляемые matplotlib, такие как "magma" и "viridis" :

 sns.color_palette ("магма", as_cmap = True)
 

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

Как и в соответствии с соглашением в matplotlib, каждая непрерывная карта цветов имеет обратную версию с суффиксом 9. 0190 «_р» :

 sns.color_palette ("rocket_r", as_cmap = True)
 

Дискретное и непрерывное отображение

Следует помнить, что Seaborn может генерировать дискретные значения из последовательных цветовых карт и при этом не будет использовать самые экстремальные значения. Сравните дискретную версию "ракета" с непрерывной версией, показанной выше:

 sns.color_palette("ракета")
 

Внутри Seaborn использует дискретную версию для категорийных данных и непрерывную версию в режиме числового отображения. Дискретные последовательные цветовые карты могут хорошо подходить для визуализации категориальных данных с внутренним порядком, особенно если есть некоторые различия в оттенках.

Последовательные палитры «cubehelix»

Воспринимаемые однородные цветовые карты сложно сгенерировать программно, поскольку они не основаны на цветовом пространстве RGB. Система cubehelix предлагает компромисс на основе RGB: она генерирует последовательные палитры с линейным увеличением или уменьшением яркости и некоторым непрерывным изменением оттенка. Хотя полученные цветовые карты не являются идеально однородными для восприятия, они обладают многими хорошими свойствами. Важно отметить, что многие аспекты процесса проектирования являются параметризуемыми.

В Matplotlib встроена версия cubehelix по умолчанию:

.

 sns.color_palette ("cubehelix", as_cmap = True)
 

Палитра по умолчанию, возвращаемая функцией seaborn cubehelix_palette() , немного отличается от стандартной в matplotlib тем, что она не вращается так далеко вокруг колеса оттенков и не охватывает столь широкий диапазон интенсивностей. Он также меняет линейное изменение яркости:

 sns.cubehelix_palette (as_cmap = True)
 

Другие аргументы для cubehelix_palette() управлять тем, как выглядит палитра. Две основные вещи, которые вы должны изменить, это start (значение от 0 до 3) и rot или количество оборотов (произвольное значение, но обычно от -1 до 1)

 sns.cubehelix_palette (начало = . 5, rot = -.5, as_cmap = True)
 

Чем больше вы вращаете, тем больше вариаций оттенков вы увидите:

 sns.cubehelix_palette (начало = .5, rot = -.75, as_cmap = True)
 

Вы можете управлять как темными, так и светлыми конечными точками, а также их порядком:

 sns.cubehelix_palette (начало = 2, rot = 0, темный = 0, светлый = 0,95, реверс = True, as_cmap = True)
 

color_palette() принимает строковый код, начинающийся с "ch:" , для создания произвольной палитры кубической спирали. Вы можете передавать имена параметров в строке:

 sns.color_palette("ch:start=.2,rot=-.3", as_cmap=True)
 

А для компактности каждый параметр можно указывать с его первой буквы:

 sns.color_palette("ch:s=-.2,r=.6", as_cmap=True)
 

Пользовательские последовательные палитры

Для более простого интерфейса для настраиваемых последовательных палитр вы можете использовать light_palette() или dark_palette() , которые заполняют одним цветом и создают палитру, которая постепенно переходит от светлых или темных ненасыщенных значений к этому цвету:

 sns. light_palette ("морская зелень", as_cmap = True)
 

 sns.dark_palette("#69d", reverse=True, as_cmap=True)
 

Как и в случае с палитрами cubehelix, вы также можете указать светлые или темные палитры через color_palette() или где угодно принимается палитра :

 sns.color_palette («свет: b», as_cmap = True)
 

Обратить цветовую карту, добавив "_r" :

 sns.color_palette("темный:salmon_r", as_cmap=True)
 

Палитры Sequential Color Brewer

В библиотеке Color Brewer также есть несколько хороших опций для последовательных палитр. В них входят палитры с одним основным оттенком:

.

 sns.color_palette ("Синий", as_cmap = True)
 

Наряду с многоцветными вариантами:

 sns.color_palette("YlOrBr", as_cmap=True)
 

Расходящиеся цветовые палитры

Третий класс цветовых палитр называется «расходящимся». Они используются для данных, в которых интересны как большие низкие, так и высокие значения, и они охватывают среднее значение (часто 0), которое следует смягчить. Правила выбора хороших расходящихся палитр аналогичны хорошим последовательным палитрам, за исключением того, что теперь в цветовой карте должно быть два доминирующих оттенка, по одному на каждом полюсе (или рядом с ним). Также важно, чтобы начальные значения были одинаковой яркости и насыщенности.

Перцептивно однородные расходящиеся палитры

Seaborn включает в себя две перцептивно однородные расходящиеся палитры: "vlag" и "icefire" . Они оба используют синий и красный цвета на своих полюсах, которые многие интуитивно воспринимают как «холодный» и «горячий»:

.

 sns.color_palette ("vlag", as_cmap = True)
 

 sns.color_palette("icefire", as_cmap=True)
 

Индивидуальные расходящиеся палитры

Вы также можете использовать функцию Seaborn diverging_palette() для создания пользовательской палитры для расходящихся данных. Эта функция создает расходящиеся палитры с использованием цветовой системы husl . Вы передаете ему два оттенка (в градусах) и, при желании, значения яркости и насыщенности для крайних значений. Использование husl означает, что экстремальные значения и результирующие наклоны к средней точке, хотя и не идеально однородны для восприятия, будут хорошо сбалансированы:

 sns.diverging_palette (220, 20, as_cmap = True)
 

Это удобно, когда вы хотите отойти от скучных границ холодных и горячих подходов:

 sns.diverging_palette(145, 300, s=60, as_cmap=True)
 

Также можно сделать палитру, где середина темная, а не светлая:

 sns.diverging_palette(250, 30, l=65, center="dark", as_cmap=True)
 

Здесь важно подчеркнуть, что следует избегать использования красного и зеленого цветов, хотя они интуитивно понятны.

Другие расходящиеся палитры

В matplotlib встроено несколько других хороших расходящихся палитр, включая палитры Color Brewer:

 sns.color_palette ("Спектральный", as_cmap = True)
 

И палитра coolwarm , которая имеет меньший контраст между средними и крайними значениями:

 sns.