如何获取Matplotlib分级统计图多边形颜色以添加对比色标签

我用GeoPandas和Matplotlib绘制分级统计图时，需要给每个多边形添加与填充色对比的标签（深色填充用白色字体，浅色用黑色）。原实现通过提取绘图对象的PatchCollection来获取颜色，步骤繁琐，这里提供更简洁清晰的优化方案：

优化后代码 #

import geopandas as gpd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import Normalize

def get_contrast_color(rgb):
    # 根据RGB亮度计算对比色：亮度低于0.5用白色，否则用黑色
    luminance = 0.299 * rgb[0] + 0.587 * rgb[1] + 0.114 * rgb[2]
    return (1, 1, 1) if luminance < 0.5 else (0, 0, 0)

# 读取示例数据
dfm = gpd.read_file("https://gist.githubusercontent.com/ap-Codkelden/72f988e2bcc90ea3c6c9d6d989d8eb3b/raw/c91927bdb6b199c4dd6df6759200a5a1e4b820f0/obl_sample.geojson")
# 计算多边形中心点坐标用于放置标签
dfm['coords'] = dfm.geometry.representative_point().apply(lambda x: x.coords[0])

# 初始化绘图
fig, ax = plt.subplots(1, figsize=(10, 6))
ax.axis('off')
ax.set_title('Title', fontdict={'fontsize': 12, 'fontweight': 3})

# 绘制分级统计图，保存返回的绘图对象
gdf_plot = dfm.plot(
    ax=ax,
    column='Average', cmap='Blues_r',
    linewidth=0.5, edgecolor='k',
    scheme='FisherJenks', k=2,
    legend=True
)

# 获取分箱边界与颜色映射规则
cmap = plt.get_cmap('Blues_r')
norm = Normalize(vmin=dfm['Average'].min(), vmax=dfm['Average'].max())
bins = gdf_plot.legend_.get_bounds()

# 为每个要素匹配对应的分箱，获取填充色
dfm['bin_idx'] = np.digitize(dfm['Average'], bins[:-1]) - 1
bin_colors = cmap(norm(bins[:-1]))
dfm['fill_color'] = bin_colors[dfm['bin_idx']]

# 计算标签对比色并添加标签
dfm['text_color'] = dfm['fill_color'].apply(get_contrast_color)
for idx, row in dfm.iterrows():
    ax.annotate(
        f"{row['reg_en']}\n{row['Average']:.2f}",
        xy=row['coords'], 
        horizontalalignment='center',
        color=row['text_color'], 
        size=9
    )

plt.show()

优化亮点 #

• 避免反向提取颜色：直接通过分箱规则计算每个要素的填充色，无需依赖Axes子元素的内部结构，代码更稳定
• 简化多要素处理：针对多部分多边形，同一要素分箱后颜色一致，无需拆分颜色列表，逻辑更清晰
• 简洁的对比色计算：直接基于RGB值计算相对亮度，省去0-255区间转换步骤

内容的提问来源于stack exchange，提问作者codkelden