如何按用户自定义区间为直方图配置颜色映射（colormap）

解决步骤 #

• 生成数据并绘制基础直方图
  先调用plt.hist()绘制直方图，同时获取柱子对象、区间边界等核心信息，以均匀分布数据为例：

  import matplotlib.pyplot as plt
  import numpy as np
  
  # 生成均匀分布模拟数据
  data = np.random.uniform(0, 10, 1000)
  # 绘制直方图，获取频数、区间边界、柱子对象
  n, bins, patches = plt.hist(data, bins=10, edgecolor='white')
  

• 按柱子区间映射渐变颜色
  以每个柱子的中心位置为依据，先将其归一化到[0,1]区间，再通过指定色板（如viridis）生成对应颜色，逐个赋值给柱子：

  # 计算每个柱子的中心坐标
  bin_centers = 0.5 * (bins[:-1] + bins[1:])
  # 归一化柱子中心值到[0,1]，适配色板输入要求
  norm = plt.Normalize(bin_centers.min(), bin_centers.max())
  # 遍历设置每个柱子的填充色
  for center, patch in zip(bin_centers, patches):
      color = plt.cm.viridis(norm(center))
      patch.set_facecolor(color)
  

• 添加颜色条（可选）
  若需要和示例图一致显示颜色对应的数值范围，可添加颜色条：

  # 创建颜色条对应的映射对象
  sm = plt.cm.ScalarMappable(norm=norm, cmap=plt.cm.viridis)
  sm.set_array([])
  plt.colorbar(sm)
  

• 调整显示细节
  补充坐标轴标签、标题后完成绘图：

  plt.xlabel('数值')
  plt.ylabel('频数')
  plt.title('渐变颜色直方图')
  plt.show()
  

关键说明 #

• 之前颜色被限制在[0,1]是因为未对原始数值做归一化处理，上述代码通过plt.Normalize()将柱子位置值映射到色板要求的[0,1]区间，完美匹配色板输入逻辑。
• 不管是plt.hist还是sns.histplot，最终生成的都是matplotlib的Patch对象，都可以通过遍历patches（sns需通过ax.patches获取）的方式设置渐变颜色。

内容的提问来源于stack exchange，提问作者RKerr