如何在Python中实现以0为中心的双向对称Viridis颜色映射？

刚好碰到过类似的需求，完全理解你要的是以0（紫色）为中心，-1和1都对应黄色，两边过渡完全对称的Viridis色条，而且不能用取绝对值的方法。这里给你一个直接可行的实现思路，以Matplotlib为例（其他可视化库思路类似）：

核心思路 #

原生Viridis色条是从深紫（对应0）渐变到亮黄（对应1）的。我们只需要把这个渐变拆成两部分：

• 把原生Viridis反转，得到从黄到紫的渐变，对应你的[-1, 0]区间
• 保留原生Viridis从紫到黄的渐变，对应你的[0, 1]区间
• 把这两部分拼接起来（注意去掉重复的中间紫色，避免色条断层），就得到了对称的自定义色条

可直接运行的代码示例 #

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LinearSegmentedColormap

# 获取原生Viridis的颜色采样（256个点保证渐变平滑）
viridis_cmap = plt.cm.get_cmap('viridis', 256)
viridis_colors = viridis_cmap(range(256))

# 构建[-1, 0]区间的颜色：反转Viridis，从黄到紫
negative_colors = viridis_colors[::-1]
# 构建[0, 1]区间的颜色：原生Viridis，从紫到黄
positive_colors = viridis_colors

# 拼接两部分，去掉重复的中间紫色（避免色条出现重复色块）
symmetric_colors = np.concatenate([negative_colors[:-1], positive_colors])

# 创建自定义对称色条
symmetric_viridis = LinearSegmentedColormap.from_list('symmetric_viridis', symmetric_colors)

# 测试效果：生成一个横向色条预览
fig, cax = plt.subplots(figsize=(8, 1))
plt.colorbar(plt.cm.ScalarMappable(norm=plt.Normalize(-1, 1), cmap=symmetric_viridis),
             cax=cax, orientation='horizontal')
cax.set_title('Symmetric Viridis: -1=Yellow, 0=Purple, 1=Yellow')
plt.show()

适配其他库的思路 #

如果用Seaborn或者Plotly，逻辑是一样的：

• Seaborn：直接把自定义的symmetric_viridis传入cmap参数即可
• Plotly：把拼接好的symmetric_colors转换成RGB字符串列表，传入colorscale参数

这个方法完全避开了取绝对值的操作，直接针对[-1,1]的数值范围构建颜色映射，完美符合你的代码限制，而且颜色过渡和原生Viridis完全一致，两边的渐变绝对对称。

内容的提问来源于stack exchange，提问作者NightLearner