如何配置Seaborn热力图，用两种颜色区分阈值上下数值？

要实现仅用两种颜色区分阈值上下的单元格，核心是自定义离散颜色映射和数值归一规则，具体步骤如下：

1. 导入依赖库 #

除了Seaborn和pandas，还需要matplotlib的颜色工具类：

import seaborn as sb
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap, BoundaryNorm

2. 定义核心参数与数据 #

# 设置你的阈值x
threshold = 0.997
# 计算相关矩阵（和你原代码一致）
corr_data = data.corr()

3. 自定义二元颜色映射与归一规则 #

# 指定两种颜色：低于阈值用蓝色，高于用红色（可自行替换十六进制色码）
colors = ['#1f77b4', '#ff4b5c']
cmap = ListedColormap(colors)

# 设置数值边界，分界点为阈值，覆盖你的数据范围（0.94到1）
bounds = [0.94, threshold, 1]
# 用BoundaryNorm实现按边界分配颜色
norm = BoundaryNorm(bounds, cmap.N)

4. 绘制热力图 #

把自定义的cmap和norm传入heatmap函数即可：

heatmap = sb.heatmap(
    corr_data,
    vmin=0.94,
    vmax=1,
    annot=True,
    cmap=cmap,
    norm=norm,
    fmt=".4f"
)
plt.show()

关键说明 #

• ListedColormap：直接定义固定的颜色列表，这里仅需两种颜色
• BoundaryNorm：强制将数值按设定的边界划分到对应颜色区间，确保阈值上下严格区分
• 若要调整颜色，直接修改colors中的十六进制码即可（比如纯蓝#0000ff、纯红#ff0000）

内容的提问来源于stack exchange，提问作者user22205671