如何用Matplotlib创建带指定刻度与颜色的色条并复现目标样式

问题根源 #

你当前用LinearSegmentedColormap做的是连续颜色映射，但你的需求是固定区间的离散/分段颜色映射——尤其是白色需要覆盖[-2.5, 2.5]的区间，而不是三个点的连续过渡，这就导致白色位置偏移、区间着色错误。

修正代码方案 #

1. 改用*BoundaryNorm*+*ListedColormap*实现分段着色 #

这是匹配你需求的正确方式，直接绑定区间边界和对应颜色：

import matplotlib.pyplot as plt
import matplotlib.colors as mcolors

# 原始区间边界
cvals = [-30, -25, -20, -15, -10, -7.5, -5, -2.5, 0, 2.5, 5, 7.5, 10, 15, 20, 25, 30]
# 修正颜色数组：每个区间对应一个颜色，去掉重复的深蓝色（-30到-25区间仅需一个颜色）
colors = ["#000080", "#3F00FF", "#1F51FF", "#0096FF", "#6495ED", "#00FFFF", "white", "#FAA0A0", "#F88379", "#FA8072", "#FA5F55", "#FF2400", "#80461B", "#7C3030"]

# 创建分段归一化器（绑定区间边界）与色图（绑定区间对应颜色）
norm = mcolors.BoundaryNorm(cvals, len(colors))
cmap = mcolors.ListedColormap(colors)

# 测试生成色条
fig, ax = plt.subplots(figsize=(8, 1))
fig.subplots_adjust(bottom=0.5)
cb = plt.colorbar(plt.cm.ScalarMappable(norm=norm, cmap=cmap),
                  cax=ax, orientation='horizontal', ticks=cvals)
plt.show()

2. 保留原颜色数组的兼容方案 #

如果你不想修改原始颜色数组，可直接复用原数据，只需调整色图与归一化器的绑定逻辑：

import matplotlib.pyplot as plt
import matplotlib.colors as mcolors

cvals = [-30, -25, -20, -15, -10, -7.5, -5, -2.5, 0, 2.5, 5, 7.5, 10, 15, 20, 25, 30]
colors = ["#000080", "#000080", "#3F00FF", "#1F51FF", "#0096FF", "#6495ED", "#00FFFF", "white", "white", "white", "#FAA0A0", "#F88379", "#FA8072", "#FA5F55", "#FF2400", "#80461B", "#7C3030"]

# 取前16个颜色对应16个区间（17个边界点划分16个区间）
norm = mcolors.BoundaryNorm(cvals, len(cvals)-1)
cmap = mcolors.ListedColormap(colors[:-1])

# 测试生成色条
fig, ax = plt.subplots(figsize=(8, 1))
fig.subplots_adjust(bottom=0.5)
cb = plt.colorbar(plt.cm.ScalarMappable(norm=norm, cmap=cmap),
                  cax=ax, orientation='horizontal', ticks=cvals)
plt.show()

原方法失效原因 #

LinearSegmentedColormap是基于连续插值生成颜色映射，它会把你给出的(归一化后区间值, 颜色)对作为插值节点，自动在节点间生成过渡色。你给出了三个白色节点（-2.5、0、2.5），插值后会把白色从-2.5平滑过渡到2.5，但你实际需要的是该区间内完全纯色的白色，而非过渡效果，因此必须用分段映射方案。

图表着色验证 #

使用修正后的cmap和norm绘制图表时，只需在绘图函数（如imshow、scatter）中指定cmap=cmap和norm=norm，即可确保每个数值落入对应区间时显示正确颜色。

内容的提问来源于stack exchange，提问作者kdbaseball8