如何用Matplotlib创建基于特定值定义颜色的线性颜色映射？

问题背景 #

需要创建一个颜色映射，让数据在指定的数值点之间呈现线性平滑渐变。现有代码尝试用ListedColormap+BoundaryNorm实现，但得到的是离散色块而非平滑渐变：

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

data = np.random.uniform(0, 10, (10, 10))

values = [0., 0.8, 1., 10.]
colors = ["#ff0000", "#00ff00", "#0000ff", "#cccccc"]

# 错误尝试：生成离散色块
cmap = mpl.colors.ListedColormap(colors, name="mycmap")
norm = mpl.colors.BoundaryNorm(values, len(colors))

fig, axe  = plt.subplots()
cmap_ = axe.imshow(data, aspect="auto", origin="upper", cmap=cmap, norm=norm)
cbar = fig.colorbar(cmap_, ax=axe)
plt.show()

解决方案 #

ListedColormap+BoundaryNorm是用于生成离散颜色区间的组合，要实现平滑渐变，需用LinearSegmentedColormap创建连续颜色映射，配合常规的Normalize归一化：

正确代码 #

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

data = np.random.uniform(0, 10, (10, 10))

values = [0., 0.8, 1., 10.]
colors = ["#ff0000", "#00ff00", "#0000ff", "#cccccc"]

# 1. 创建归一化对象，将数据映射到我们定义的数值范围
norm = mpl.colors.Normalize(vmin=values[0], vmax=values[-1])
# 2. 将每个指定数值转换为0-1之间的归一化位置
normed_points = [norm(v) for v in values]
# 3. 创建线性分段颜色映射，指定每个归一化位置对应的颜色
cmap = mpl.colors.LinearSegmentedColormap.from_list("mycmap", list(zip(normed_points, colors)))

# 绘图
fig, axe = plt.subplots()
im = axe.imshow(data, aspect="auto", origin="upper", cmap=cmap, norm=norm)
cbar = fig.colorbar(im, ax=axe)
plt.show()

原理说明 #

• Normalize：确保原始数据被正确映射到我们定义的values范围（0到10），转换为0-1之间的归一化值。
• LinearSegmentedColormap.from_list：通过指定归一化位置-颜色的对应关系，在每一对相邻的指定数值之间生成线性渐变的颜色过渡，最终得到连续平滑的颜色映射。

内容的提问来源于stack exchange，提问作者jlandercy