Matplotlib中TwoSlopeNorm未达预期，如何复现旧版DivergingNorm效果？

Matplotlib 3.2版本后，DivergingNorm被重命名为TwoSlopeNorm，二者核心逻辑完全一致，你遇到的效果异常大概率是参数设置或使用方式有误。以下是正确复现旧版行为的步骤和代码示例：

核心参数逻辑 #

旧版DivergingNorm和新版TwoSlopeNorm都依赖三个关键参数：

• vmin：数据的最小值
• vcenter：发散的中心零点（无需是vmin和vmax的中间值，这是实现不对称的关键）
• vmax：数据的最大值

色图会将vcenter映射为色图的中点颜色，vmin到vcenter、vcenter到vmax两段的颜色映射是独立计算的，从而实现围绕零点的不对称发散效果。

常见错误用法（导致效果异常） #

如果错误地将vcenter设为vmin和vmax的平均值，或者未明确指定零点，就会得到对称映射或不符合预期的效果：

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

# 生成不对称范围的数据：-2到5
data = np.random.uniform(-2, 5, (10, 10))

# 错误：将vcenter设为数据平均值，导致对称映射
norm = TwoSlopeNorm(vmin=data.min(), vcenter=(data.min()+data.max())/2, vmax=data.max())
plt.imshow(data, norm=norm, cmap='RdBu_r')
plt.colorbar()
plt.title("错误：对称映射（未按零点发散）")
plt.show()

正确实现（复现旧版DivergingNorm行为） #

明确将vcenter设置为0（你需要的零点），即可复现旧版的不对称发散效果：

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

# 生成不对称范围的数据：-2到5
data = np.random.uniform(-2, 5, (10, 10))

# 正确：vcenter设为0，匹配旧版DivergingNorm的零点发散逻辑
norm = TwoSlopeNorm(vmin=data.min(), vcenter=0, vmax=data.max())
plt.imshow(data, norm=norm, cmap='RdBu_r')
plt.colorbar(ticks=[-2, 0, 5])
plt.title("正确：围绕零点的不对称发散色图")
plt.show()

异常排查建议 #

如果你的代码仍有问题，检查以下几点：

• 确认vcenter是否准确设置为你需要的零点（比如0）
• 检查vmin和vmax是否与数据的实际极值匹配
• 确保使用的是发散型色图（如RdBu、BrBG、PiYG等，避免使用单色调色图）

内容的提问来源于stack exchange，提问作者jonnyhtw