Matplotlib中分箱与标签不匹配及标签位置调整问询

问题根源 #

你定义的bins有8个边界值，会生成7个数据区间，但你给了8个labels，这就导致pd.cut报错——因为区间数量永远比边界值少1。要让颜色条的黑色分隔线精准落在分箱边界上，同时显示所有边界值作为标签，需要调整颜色条的刻度设置，而不是强行给pd.cut增加标签数量。

解决方案步骤 #

1. 修正分箱标签：pd.cut的labels长度必须等于区间数（即len(bins)-1），可以给每个区间设置描述性标签，或者直接用默认的区间对象。
2. 使用BoundaryNorm匹配分箱边界：替换原来的Normalize，让颜色映射完全对应你的分箱边界，确保颜色块和区间一一对应。
3. 调整颜色条刻度：将颜色条的刻度设置为所有分箱边界值，让分隔线正好落在两个区间之间，同时显示所有边界值作为标签。

修改后的完整代码 #

import pandas as pd
import geopandas as gpd
import matplotlib.pyplot as plt
from matplotlib.colors import BoundaryNorm

data = {
    'country': ['United States', 'China', 'India', 'Brazil', 'Australia'],
    'LU (PDF)': [0.00000001, 0.0000001, 0.0000005, 0.000001, 0.00001]
}

fabio_country = pd.DataFrame(data)

# 加载世界地图数据
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 合并地图数据与自定义数据
world = world.merge(fabio_country, left_on='name', right_on='country', how='left')

# 定义分箱边界
bins = [0, 0.000000001, 0.00000001, 0.0000001, 0.000001, 0.00001, 0.0001, 0.001]
# 区间数为len(bins)-1，所以labels长度必须一致
labels = ['0~1e-9', '1e-9~1e-8', '1e-8~1e-7', '1e-7~1e-6', '1e-6~1e-5', '1e-5~1e-4', '1e-4~1e-3']

# 数据分箱
world['binned'] = pd.cut(world['LU (PDF)'], bins=bins, labels=labels, include_lowest=True)

# 转换为罗宾逊投影
world = world.to_crs('ESRI:54030')

# 绘图设置
fig, ax = plt.subplots(1, 1, figsize=(15, 10))
world.boundary.plot(ax=ax)

# 创建匹配分箱边界的颜色映射和归一化对象
cmap = plt.get_cmap('OrRd', len(labels))
# BoundaryNorm直接使用分箱边界，确保颜色与区间完全对应
norm = BoundaryNorm(bins, cmap.N)

world.plot(column='binned', ax=ax, legend=False, cmap=cmap, norm=norm, edgecolor='black')

# 创建水平颜色条
sm = plt.cm.ScalarMappable(cmap=cmap, norm=norm)
sm.set_array([])
cbar = plt.colorbar(sm, orientation='horizontal', fraction=0.046, pad=0.04)

# 设置刻度为分箱边界，标签显示边界值
cbar.set_ticks(bins)
cbar.set_ticklabels([str(b) for b in bins])
cbar.set_label('PDF')

plt.title('土地利用导致的生物多样性损失（PDF）')
plt.show()

关键说明 #

• BoundaryNorm的作用：它会根据你提供的bins边界来划分颜色区间，每个区间对应一个颜色块，完美匹配pd.cut的分箱逻辑。
• 颜色条刻度设置：set_ticks(bins)让分隔线精准落在每个分箱边界上，set_ticklabels显示所有边界值，满足你“标签数量比分箱数多1”的需求。
• 分箱标签修正：原来的labels长度和区间数一致，避免了pd.cut的报错，同时也能清晰标识每个区间的范围。

内容的提问来源于stack exchange，提问作者Natashaj