Seaborn发散调色板：如何固定中点为白色并保证对称饱和度？

1. 固定中点为0的实现方式 #

你用的sns.diverging_palette生成的色板本身在center='light'参数下，中点就是浅色（白色），但要确保0严格对应这个中点，需要配合归一化规则来绑定数值范围与色板的映射关系，最可靠的方法是使用matplotlib.colors.DivergingNorm：

• 示例代码：

  import seaborn as sns
  import matplotlib.pyplot as plt
  from matplotlib.colors import DivergingNorm
  
  # 生成蓝色(260°)→白色→橙色(30°)的发散色板
  cmap = sns.diverging_palette(260, 30, s=100, center='light', as_cmap=True)
  
  # 假设你的数据范围是[-max_val, max_val]，用DivergingNorm强制中点为0
  max_val = 5  # 根据你的实际数据调整
  norm = DivergingNorm(vmin=-max_val, vcenter=0, vmax=max_val)
  
  # 可视化时同时传入cmap和norm
  sns.heatmap(your_data, cmap=cmap, norm=norm)
  plt.show()
  

  这个方法不管你的数据正负范围是否对称，都会把0精准映射到色板的白色中点。

2. 关于-c和c的饱和度一致性 #

你当前的参数s=100是指定整个色板的饱和度为100，diverging_palette默认会让正负两端的颜色保持饱和度、亮度对称，仅色调不同。也就是说，绝对值相等的-c和c对应的颜色，饱和度完全一致，只有色调（蓝色/橙色）的区别。

如果要验证这一点，可以提取色板的颜色值查看HSV参数：

import colorsys

# 生成包含11个色阶的色板（中间第5个是白色）
palette = sns.diverging_palette(260, 30, s=100, center='light', n=11)

# 查看两端和中点的HSV值
for idx in [0, 5, 10]:
    rgb = palette[idx]
    hsv = colorsys.rgb_to_hsv(rgb[0], rgb[1], rgb[2])
    print(f"色阶{idx}的HSV: 色调={hsv[0]:.2f}, 饱和度={hsv[1]:.2f}, 亮度={hsv[2]:.2f}")

运行后会看到，两端（索引0和10）的饱和度数值完全相同，只有色调差异，亮度也会对称变化。

总结 #

• 固定中点为0：通过DivergingNorm指定vcenter=0，配合diverging_palette生成的色板即可实现；
• 饱和度一致性：当前参数下，-c和c对应的颜色饱和度完全一致，仅色调不同。

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