Matplotlib LineCollection色彩映射异常：如何实现整数与离散色板的固定颜色对应？

你遇到的核心问题是对matplotlib中colormap的映射逻辑理解偏差：plt.cm.tab20是一个连续的颜色映射对象，当你通过set_array传入颜色索引时，matplotlib会把这些索引值当作连续的数值，在整个colormap的取值范围（0到1）内做线性插值，而不是直接取tab20色板里的第N个离散颜色。这就导致你看到的颜色和预期的前8个（或前5个）tab20颜色不匹配，甚至出现了色板外的过渡色。

解决方案：实现固定的离散颜色映射 #

有两种简单的方法可以实现你想要的“整数索引→固定颜色”的映射，确保折线图和图例颜色完全匹配：

方法1：直接使用离散颜色列表 #

直接从tab20色板中提取你需要的N个颜色，手动分配给每个线段，不需要依赖cmap的自动映射：

import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection
import numpy as np

n_colors = 8
n_datapoints = 60

# 提取固定的离散颜色列表
colors_list = plt.cm.tab20(np.arange(n_colors))

# 绘制图例
data_x = range(n_colors)
fig, ax = plt.subplots(figsize=(10, 2))
rects = ax.bar(data_x, [1]*n_colors, color=colors_list, alpha=1)
plt.xticks(data_x)

fig, ax = plt.subplots(nrows=1, figsize=(15,10), squeeze=True)

# 初始化待绘制数据
data = np.zeros((n_datapoints,))
for i in range(n_datapoints):
    data[i] = i*i % 20

# 为LineCollection准备数据
x_y_values = np.vstack((np.arange(n_datapoints), data)).T
x_y_values = x_y_values.reshape(-1,1,2)
segments = np.hstack([x_y_values[:-1], x_y_values[1:]])

# 线段的颜色分配：直接用颜色列表索引（线段数比数据点少1）
colors = np.array(list(map(lambda n: n % n_colors, range(n_datapoints-1))))
segment_colors = colors_list[colors]

# 绘制：直接传入colors参数，无需cmap
lineCollection = LineCollection(
    segments=segments,
    colors=segment_colors,
    linewidths=1,
    alpha=1
)
ax.add_collection(lineCollection)
ax.autoscale_view()
plt.show()

方法2：使用BoundaryNorm实现离散映射 #

如果你还是想通过cmap来管理颜色，可以配合BoundaryNorm，让matplotlib把整数索引映射到固定的颜色区间，避免插值：

import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection
from matplotlib.colors import BoundaryNorm  # 导入BoundaryNorm
import numpy as np

n_colors = 8
n_datapoints = 60

# 提取固定的离散颜色列表（用于图例）
colors_list = plt.cm.tab20(np.arange(n_colors))

# 绘制图例
data_x = range(n_colors)
fig, ax = plt.subplots(figsize=(10, 2))
rects = ax.bar(data_x, [1]*n_colors, color=colors_list, alpha=1)
plt.xticks(data_x)

fig, ax = plt.subplots(nrows=1, figsize=(15,10), squeeze=True)

# 初始化待绘制数据
data = np.zeros((n_datapoints,))
for i in range(n_datapoints):
    data[i] = i*i % 20

# 为LineCollection准备数据
x_y_values = np.vstack((np.arange(n_datapoints), data)).T
x_y_values = x_y_values.reshape(-1,1,2)
segments = np.hstack([x_y_values[:-1], x_y_values[1:]])

# 线段的颜色分配（线段数比数据点少1）
colors = np.array(list(map(lambda n: n % n_colors, range(n_datapoints-1))))

# 创建离散的BoundaryNorm：把每个整数索引映射到对应的颜色区间
norm = BoundaryNorm(np.arange(n_colors + 1) - 0.5, n_colors)

# 绘制：配合norm使用cmap
lineCollection = LineCollection(
    segments=segments,
    cmap=plt.cm.tab20,
    norm=norm,  # 关键：添加norm参数
    linewidths=1,
    alpha=1
)
lineCollection.set_array(colors)
ax.add_collection(lineCollection)
ax.autoscale_view()
plt.show()

关键说明 #

• 注意：线段的数量是n_datapoints - 1，所以颜色数组的长度也要对应，之前的代码中range(n_datapoints)会多一个颜色值，上面的代码已经修正了这个小问题。
• 两种方法都能实现“0~n_colors-1的整数→固定tab20颜色”的映射，确保折线图和图例颜色完全一致。

内容的提问来源于stack exchange，提问作者NerdOnTour