如何用Seaborn heatmap实现低于1000阈值显示黑色的自定义colormap

核心问题说明 #

seaborn.heatmap的center参数仅用于让发散色标围绕指定值做对称分布，无法实现低于某一数值区域固定显示为黑色的效果，因此此前的配置不满足预期。

实现流程 #

• 引入色图构建所需的模块

from matplotlib.colors import LinearSegmentedColormap

• 构建带黑色阈值的自定义配色：
  • 将0~1000 m/year的数值区间全部映射为纯黑色
  • 1000~4000 m/year区间匹配示例图从深蓝经青、黄到红的渐变效果
  • 色彩映射逻辑：将0_{4000的数值范围归一化到色图的0}1坐标区间，其中0_{0.25的归一化坐标段（对应原始值0}1000）固定绑定纯黑色，剩余0.25~1的坐标段填充自然渐变色
• 两种可选的色图构建方式：
  1. 手动指定色彩节点（可灵活调整渐变细节）

  # 定义每个归一化坐标点对应的色彩值
  color_nodes = [
      (0.0,  (0, 0, 0)),    # 对应原始值0，纯黑
      (0.25, (0, 0, 0)),    # 对应原始值1000，纯黑
      (0.4,  (0, 0, 1)),    # 对应原始值1600，深蓝
      (0.6,  (0, 1, 1)),    # 对应原始值2400，青色
      (0.8,  (1, 1, 0)),    # 对应原始值3200，明黄
      (1.0,  (1, 0, 0))     # 对应原始值4000，纯红
  ]
  custom_cmap = LinearSegmentedColormap.from_list(
      name="threshold_cmap",
      colors=color_nodes
  )
  

  2. 复用matplotlib自带成熟色图（实现简单，色彩过渡更自然）

  # 提取自带turbo色图的全部色彩节点
  base_cmap = plt.get_cmap("turbo")
  cmap_colors = base_cmap(range(base_cmap.N))
  # 将前25%的色彩节点（对应0~1000的数值段）全部替换为纯黑
  cmap_colors[:int(base_cmap.N * 0.25)] = (0, 0, 0, 1)
  custom_cmap = LinearSegmentedColormap.from_list("threshold_turbo", cmap_colors)
  

• 调用热图接口时传入自定义色图，保持原有vmin/vmax配置不变

df_velocity = df_velocity.sort_index()
df_velocity2 = df_velocity.fillna(0)  # 原有空值补0逻辑保持不变

plt.figure(figsize=(15,15))
ax = sns.heatmap(
    df_velocity2,
    vmin=0,
    vmax=4000,
    cmap=custom_cmap  # 将默认色图替换为自定义的阈值色图
)
plt.show()

适配说明 #

• 由于空值已被替换为0，会自然落入0~1000的黑色阈值区间，不需要额外添加掩膜处理
• 最终生成的色标从纯黑（对应0值）连续过渡到纯红（对应4000值），与示例图的视觉效果完全一致

内容的提问来源于stack exchange，提问作者Nihilum