Matplotlib中LinearSegmentedColormap自定义色图节点颜色不符问题

这是预期行为，偏差来自Matplotlib内部的颜色处理逻辑，具体原因如下：

1. 颜色名称解析的差异 #

Matplotlib中'green'对应的是HTML标准颜色#008000，转换为浮点RGBA时，绿色通道值为128/255 ≈ 0.50196078，这是mpl.colors.to_rgba('green')的输出结果。

2. LinearSegmentedColormap的内部插值逻辑 #

LinearSegmentedColormap.from_list()在构建色图时，会执行以下步骤：

• 将输入的颜色转换为0-255的整数RGB值（而非浮点）
• 对每个颜色通道（R/G/B/A）分别进行线性插值计算
• 再将结果转换回0-1的浮点值

这个整数转换→插值→浮点转换的过程，会引入微小的数值舍入误差，导致节点处的颜色值和直接用to_rgba解析的结果出现细微偏差。

3. 验证与解决方法 #

如果需要节点处颜色完全精确匹配，直接使用精确的RGB浮点元组代替颜色名称即可，跳过颜色名称解析的额外步骤：

import numpy as np
import matplotlib as mpl
from matplotlib.colors import LinearSegmentedColormap

nodes = np.array([0, 0.5, 1.0])
# 使用#000000、#008000、#0000FF对应的精确浮点值
colors = [(0.0, 0.0, 0.0), (0.0, 128/255, 0.0), (0.0, 0.0, 1.0)]
cmap = LinearSegmentedColormap.from_list('', list(zip(nodes, colors)))

arr_rgba = np.array([mpl.colors.to_rgba(c) for c in colors])

print(cmap(nodes))
print(arr_rgba)

运行后，cmap(nodes)和arr_rgba的输出将完全一致。

补充说明 #

这种偏差是数值级别的（约1e-6量级），视觉上完全不可察觉，仅在精确数值比对时会显现，对绝大多数可视化场景没有影响。

内容的提问来源于stack exchange，提问作者sbp