我来帮你搞定这个需求！你想要的效果是显示原始实际数值，但按照每行内部的相对大小来着色，其实不用生成两个独立的热力图，只需要在seaborn.heatmap里分开指定控制颜色的数据集和显示标注的数据集就行。

完整实现代码 #

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 1. 生成原始透视表（和你之前的步骤一致）
df = pd.pivot_table(table, 'avg', index=['col_1'], columns=['col_2'])

# 2. 计算每行内部归一化的数据（用于控制热力图颜色）
# 这里和你生成第二个热力图的逻辑相同：每行除以该行的最大值
df_n = df.div(df.max(axis=1), axis=0)

# 3. 生成目标热力图：核心是分开指定data和annot参数
plt.figure(figsize=(10, 6))  # 可根据需求调整图大小
sns.heatmap(
    df_n,                  # 用归一化后的数据集决定着色规则
    linewidths=.5,
    annot=df,              # 显示原始透视表的实际数值
    cbar=True,             # 保留色条，方便查看归一化后的相对刻度
    fmt='g',               # 保持数值的原始格式（不做小数格式化）
    annot_kws={'size':14}, # 调整标注文字大小
    cmap='YlOrBr'          # 沿用你指定的配色方案
)
plt.show()

关键逻辑说明 #

• data=df_n：让热力图根据每行归一化后的数值计算颜色，实现“每行内部数值相对着色”的效果
• annot=df：强制显示原始透视表的实际数值，而不是归一化后的小数
• 其他参数（linewidths、cmap等）可以完全沿用你之前的设置，不需要修改

这样就能一次性生成你想要的热力图，既保留了真实数值的可读性，又实现了每行独立的颜色对比效果。

内容的提问来源于stack exchange，提问作者Zole72