Python中创建以0为分界的海陆自定义Colormap技术问询

要实现以0为严格分界（0及以上用陆地配色，0以下用海洋配色），核心是先算出0在数据范围里的位置，再按这个比例分配海洋和陆地的颜色数量，而不是按数据绝对值比例分。具体步骤和代码如下：

关键思路 #

• 先计算0在[-12000, 9000]这个数据区间的归一化位置，以此确定海洋色和陆地色各占多少个色阶（总色阶设为256，这是matplotlib常用的色图长度）
• 分别提取/生成海洋、陆地的颜色数组，再拼接成完整色图
• 配合Normalize类确保数据值和色图严格对应，避免分界偏移

修改后的完整代码 #

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap, LinearSegmentedColormap, Normalize
import matplotlib.cm as cm

# 数据范围
vmin = -12000
vmax = 9000

# 计算0对应的归一化位置（在[vmin, vmax]区间的占比）
norm_0 = (0 - vmin) / (vmax - vmin)
total_colors = 256
# 分配海洋和陆地的颜色数量
ocean_color_num = int(np.round(norm_0 * total_colors))
land_color_num = total_colors - ocean_color_num

# 提取海洋色图的颜色（这里用cm.ocean的全范围，也可以调整linspace的区间优化浅海颜色）
ocean_cmap = cm.ocean.copy()
ocean_colors = ocean_cmap(np.linspace(0, 1, ocean_color_num))

# 创建陆地自定义配色的色图
land_colors_list = ['yellowgreen', 'goldenrod', 'maroon', 'white']
land_nodes = [0.0, 0.05, 0.3, 1.0]
land_cmap = LinearSegmentedColormap.from_list('land_cmap', list(zip(land_nodes, land_colors_list)))
land_colors = land_cmap(np.linspace(0, 1, land_color_num))

# 拼接海洋和陆地颜色，生成最终色图
final_cmap = ListedColormap(np.concatenate((ocean_colors, land_colors)))

# 配套的归一化器，确保数据和色图严格对应
norm = Normalize(vmin=vmin, vmax=vmax)

# 测试色图（可选）
fig, ax = plt.subplots(figsize=(10, 1))
cb = plt.colorbar(plt.cm.ScalarMappable(norm=norm, cmap=final_cmap), cax=ax, orientation='horizontal')
cb.set_label('海拔/深度')
plt.show()

说明 #

• 原来的代码错误地用数据绝对值比例分配色阶，导致0的位置和色图分界不匹配，现在通过norm_0 = (0 - vmin)/(vmax - vmin)精准计算分界点位置
• 如果你觉得海洋的浅海颜色不够区分，可以调整ocean_cmap(np.linspace(0.2, 0.9, ocean_color_num))里的linspace区间，过滤掉太浅或太深的颜色
• 配合Normalize类使用，能保证不管数据怎么缩放，0始终是海陆颜色的分界点

内容的提问来源于stack exchange，提问作者Marcus K.