如何根据条件为NumPy二维数组分别应用绿、红色系cmap实现梯度着色

实现方案 #

你可以通过Matplotlib的TwoSlopeNorm自定义归一化规则+拼接双色colormap实现需求，完整代码如下：

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

# 你的示例数组
arr = np.array([0.1,0.15,0.2,0.5,0.7,
                -0.1,-0.12,0.23,0.4,0.8,
                -0.01,-.15,-0.1,0.2,0.5]).reshape(5,3)

# 1. 拼接自定义colormap：小于0为绿色渐变，大于0为红色渐变
# 反转Greens色板，保证数值越小（负的越多）绿色越深
green_part = plt.get_cmap('Greens_r')(np.linspace(0, 1, 128))
red_part = plt.get_cmap('Reds')(np.linspace(0, 1, 128))
custom_cmap = LinearSegmentedColormap.from_list('green_red_split', np.vstack([green_part, red_part]))

# 2. 自定义归一化规则，强制0为两个色系的分界点
norm = TwoSlopeNorm(vmin=-0.5, vcenter=0, vmax=1.5)

# 3. 渲染图像
plt.imshow(arr, cmap=custom_cmap, norm=norm)
plt.colorbar()
plt.show()

可选方案：掩码分层渲染 #

如果需要单独调整正负区间的色阶参数，也可以用掩码把正负数值分开绘制：

# 绘制正数部分：红色系
pos_mask = arr > 0
plt.imshow(np.ma.masked_where(~pos_mask, arr), cmap='Reds', vmin=0, vmax=1.5)
# 绘制负数部分：绿色系
neg_mask = arr < 0
plt.imshow(np.ma.masked_where(~neg_mask, arr), cmap='Greens_r', vmin=-0.5, vmax=0)

plt.colorbar()
plt.show()

参数调整说明 #

• 绿色系可以替换为YlGn_r、BuGn_r等其他绿色系cmap，红色系可以替换为OrRd、YlOrRd等其他红色系cmap调整视觉效果
• 如果你需要0值显示为白色，只需要在拼接cmap的时候，在绿色和红色部分中间插入白色的色值即可

内容的提问来源于stack exchange，提问作者Reut