Natuurlijk! Hier is een voorbeeld van hoe je een aangepaste Seaborn-stijl kunt ontwikkelen die jouw merkidentiteit weerspiegelt, gebaseerd op jouw branding-kleuren (#004080 en #ff6600) en Arial als lettertype. Ik geef ook voorbeelden voor het stylen van een staafdiagram en scatterplot. ```python import seaborn as sns import matplotlib.pyplot as plt # Definieer je branding kleuren PRIMARY_COLOR = '#004080' # donkerblauw ACCENT_COLOR = '#ff6600' # oranje FONT = 'Arial' # Maak een stijl- en color palette custom_palette = { 'primary': PRIMARY_COLOR, 'accent': ACCENT_COLOR } # Stel een aangepaste stijl in sns.set_theme( style='whitegrid', # basisstijl rc={ 'axes.titlesize': 16, 'axes.titleweight': 'bold', 'axes.labelsize': 14, 'axes.labelcolor': PRIMARY_COLOR, 'xtick.color': PRIMARY_COLOR, 'ytick.color': PRIMARY_COLOR, 'font.family': FONT, 'axes.edgecolor': PRIMARY_COLOR, 'grid.color': ACCENT_COLOR, 'grid.linestyle': '--', 'grid.linewidth': 0.5, 'axes.linewidth': 1, 'legend.frameon': False } ) # Stel de kleurenpalet in voor je plots sns.set_palette([PRIMARY_COLOR, ACCENT_COLOR]) # Voor een meer consistente kleurengebruik, kun je ook een eigen color palette maken sns.set_palette([PRIMARY_COLOR, ACCENT_COLOR]) # Voorbeeld van een staafdiagram def plot_barchart(data, x, y, titel): plt.figure(figsize=(8,6)) ax = sns.barplot(data=data, x=x, y=y) ax.set_title(titel, fontsize=16, fontweight='bold', color=PRIMARY_COLOR) plt.show() # Voorbeeld van een scatterplot def plot_scatterplot(data, x, y, hue, titel): plt.figure(figsize=(8,6)) ax = sns.scatterplot(data=data, x=x, y=y, hue=hue, palette=[PRIMARY_COLOR, ACCENT_COLOR], s=100) ax.set_title(titel, fontsize=16, fontweight='bold', color=PRIMARY_COLOR) plt.legend(title=hue) plt.show() # Voorbeeld gebruik met dummy data import pandas as pd # Dummy data voor testen data_barchart = pd.DataFrame({ 'Categorie': ['A', 'B', 'C'], 'Waarde': [10, 20, 15] }) data_scatter = pd.DataFrame({ 'X': [1, 2, 3, 4, 5], 'Y': [5, 7, 6, 8, 7], 'Groep': ['X', 'Y', 'X', 'Y', 'X'] }) # Plotten plot_barchart(data_barchart, x='Categorie', y='Waarde', titel='Aangepaste Staafdiagram') plot_scatterplot(data_scatter, x='X', y='Y', hue='Groep', titel='Aangepaste Scatterplot') ``` Deze code creëert een stijl die jouw merkkleuren en Arial lettertype gebruikt. De grafieken krijgen een professionele uitstraling met je merkkleuren en duidelijke titels. Je kunt deze stijl verder aanpassen door bijvoorbeeld andere stijlelementen toe te voegen of kleuren te verfijnen.

Zeker! Hier is een aangepast Seaborn-thema dat jouw branding-elementen weerspiegelt: ```python import seaborn as sns import matplotlib.pyplot as plt import matplotlib.font_manager as fm # Aangepast thema definiëren def stel_aangepast_thema_in(): # Kleurenpalet instellen kleuren = ["#004080", "#ff6600", "#004080", "#ff6600", "#004080"] # Stijlparameters instellen stijl_params = { "axes.facecolor": "white", "figure.facecolor": "white", "axes.edgecolor": "#004080", "axes.labelcolor": "#004080", "text.color": "#004080", "xtick.color": "#004080", "ytick.color": "#004080", "axes.titlecolor": "#004080", "axes.titlesize": 14, "axes.labelsize": 12, "xtick.labelsize": 10, "ytick.labelsize": 10, "font.family": "Arial", "grid.color": "#e0e0e0", "grid.linestyle": "--", "grid.linewidth": 0.5 } # Stijl instellen sns.set_style("whitegrid", rc=stijl_params) sns.set_palette(kleuren) # Arial font instellen plt.rcParams['font.family'] = 'Arial' # Voorbeeld gebruik voor staafdiagram def maak_staafdiagram(data, x, y, titel): stel_aangepast_thema_in() fig, ax = plt.subplots(figsize=(10, 6)) sns.barplot(data=data, x=x, y=y, ax=ax, palette=["#004080", "#ff6600"]) # Extra styling voor staafdiagram ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False) ax.spines['left'].set_color('#004080') ax.spines['bottom'].set_color('#004080') plt.title(titel, fontsize=16, fontweight='bold', pad=20) plt.tight_layout() return fig # Voorbeeld gebruik voor scatterplot def maak_scatterplot(data, x, y, titel): stel_aangepast_thema_in() fig, ax = plt.subplots(figsize=(10, 6)) sns.scatterplot(data=data, x=x, y=y, ax=ax, color="#004080", s=100) # Extra styling voor scatterplot ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False) ax.spines['left'].set_color('#004080') ax.spines['bottom'].set_color('#004080') plt.title(titel, fontsize=16, fontweight='bold', pad=20) plt.tight_layout() return fig # Gebruiksvoorbeeld: # stel_aangepast_thema_in() # maak_staafdiagram(df, 'categorie', 'waarde', 'Mijn Staafdiagram') # maak_scatterplot(df, 'x_waarde', 'y_waarde', 'Mijn Scatterplot') ``` **Belangrijke kenmerken van dit thema:** - **Primaire kleur**: #004080 (donkerblauw) voor tekst, assen en hoofdelementen - **Accentkleur**: #ff6600 (oranje) voor datapunten en secundaire elementen - **Lettertype**: Arial voor alle tekst - **Staafdiagrammen**: Gebruiken afwisselend blauw en oranje voor verschillende categorieën - **Scatterplots**: Gebruiken blauw voor de datapunten met oranje accenten waar relevant - **Schone opmaak**: Witte achtergrond met subtiele grijze rasterlijnen - **Professionele uitstraling**: Verwijderde boven- en rechterranden voor een modernere look Je kunt deze functies aanroepen met je eigen data om consistent gestylede diagrammen te genereren die perfect aansluiten bij je branding!