如何在Seaborn热力图中用字典为值分配固定颜色并统一图例

要实现「不同热力图中同一数值对应固定颜色、共用统一图例」的需求，你可以通过将颜色字典转换为matplotlib可识别的色图规则，配合边界归一化来实现，具体步骤如下：

1. 准备颜色映射与归一化规则 #

先把你的颜色字典转换成ListedColormap，同时设置BoundaryNorm来确保每个整数对应独立的颜色区间，避免因缺失值导致颜色偏移：

import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap, BoundaryNorm
from matplotlib.patches import Patch

# 你的颜色映射字典
cmap_dict = {0:'#FFFFFF',1:'#ff2a00', 2:'#ff5500', 3:'#ff8000', 4:'#ffaa00', 5:'#ffd500'}

# 按数值顺序提取颜色，生成matplotlib色图对象
sorted_keys = sorted(cmap_dict.keys())
colors = [cmap_dict[key] for key in sorted_keys]
cmap = ListedColormap(colors)

# 设置边界，让每个整数对应独立的颜色区间（比如0对应[-0.5,0.5]，1对应[0.5,1.5]）
bounds = [-0.5 + i for i in range(len(sorted_keys)+1)]
norm = BoundaryNorm(bounds, cmap.N)

2. 绘制热力图 #

绘制每个过滤后的DataFrame时，指定cmap、norm，并固定vmin和vmax为0和5，确保颜色映射范围统一：

# 示例：模拟两个过滤后的DataFrame（df1缺少值3，df2缺少值5）
import pandas as pd
import numpy as np

# 生成原始15x15数据
df_original = pd.DataFrame(np.random.randint(0,6, size=(15,15)))
# 模拟过滤操作：df1移除值3，df2移除值5
df1 = df_original.replace(3, 0)
df2 = df_original.replace(5, 0)

# 绘制第一个热力图
plt.figure(figsize=(10,5))
plt.subplot(121)
sns.heatmap(df1, square=False, yticklabels=True, xticklabels=False,
            cmap=cmap, norm=norm, vmin=0, vmax=5, cbar=False, annot=False)
plt.title("过滤后缺少值3的热力图")

# 绘制第二个热力图
plt.subplot(122)
sns.heatmap(df2, square=False, yticklabels=True, xticklabels=False,
            cmap=cmap, norm=norm, vmin=0, vmax=5, cbar=False, annot=False)
plt.title("过滤后缺少值5的热力图")

3. 添加统一图例 #

手动创建包含所有0-5数值的图例，添加到图中：

# 创建图例元素：每个数值对应颜色块和标签
legend_elements = [Patch(facecolor=cmap_dict[key], label=str(key)) for key in sorted_keys]
# 将图例添加到图的指定位置
plt.legend(handles=legend_elements, bbox_to_anchor=(1.2, 1), loc='upper left', title="数值对应颜色")

plt.tight_layout()
plt.show()

关键说明 #

• BoundaryNorm会把每个整数映射到独立的颜色区间，即使某张热力图没有某个数值，颜色规则依然保持不变。
• 固定vmin=0和vmax=5，确保所有热力图的颜色标尺范围一致，不会因数据分布变化而偏移。
• 手动创建图例可以保证所有热力图共用一套颜色说明，避免每个图单独显示色条的混乱。

内容的提问来源于stack exchange，提问作者Yash