Matplotlib自定义ListedColormap实现烈度值与颜色固定映射

当前映射逻辑失效的核心原因是 仅创建了离散色表，但没有固定烈度值和色标区间的一一绑定关系，matplotlib会默认根据传入GeoDataFrame的 Intensity 字段实际取值范围动态计算归一化边界：

• 多值场景下，实际取值的上下限刚好覆盖预设烈度分级区间，所以映射结果碰巧符合预期
• 单值场景下，Intensity 字段的最小值和最大值完全相等，动态计算的归一化区间发生退化，导致所有值直接映射到色表的起始位（也就是定义的第一个颜色 #f3f3f3）

要实现固定的单个烈度值对应唯一专属颜色的映射规则，不需要依赖matplotlib的动态归一化逻辑，需要把烈度值和色标的绑定关系写死，分三步调整代码：

1. 明确固定所有的烈度取值集合，不把分级逻辑藏在颜色数组里

# 预设的9级地震烈度固定取值，顺序与自定义颜色一一对应
intensity_levels = [1, 2, 3, 4, 5, 5.5, 6, 6.5, 7]
# 每个烈度值对应的专属自定义颜色
color_map = [
    '#f3f3f3',
    '#1aff1a',
    '#ffff00',
    '#ff8900',
    '#ff5500',
    '#b64100',
    '#993300',
    '#aa3c00',
    '#800080'
]
cm = matplotlib.colors.ListedColormap(color_map)

2. 构造固定的色标映射边界，替代matplotlib的动态范围计算
   用BoundaryNorm实现硬绑定，让每个烈度值独占一个颜色的映射区间，不受传入数据的取值范围影响：

# 构造固定边界：在相邻烈度值之间取中点，确保每个烈度值落在独立区间内
bounds = [
    intensity_levels[0] - 0.5,  # 区间下界，覆盖所有可能的最小烈度
    1.5,   # 分隔1和2的中点
    2.5,   # 分隔2和3的中点
    3.5,   # 分隔3和4的中点
    4.5,   # 分隔4和5的中点
    5.25,  # 分隔5和5.5的中点
    5.75,  # 分隔5.5和6的中点
    6.25,  # 分隔6和6.5的中点
    6.75,  # 分隔6.5和7的中点
    intensity_levels[-1] + 0.5  # 区间上界，覆盖所有可能的最大烈度
]
# 生成固定规则的归一化器，完全锁定映射逻辑
norm = matplotlib.colors.BoundaryNorm(bounds, ncolors=cm.N)

3. 绘图时传入固定归一化规则，覆盖默认的动态计算逻辑

draw_area.plot(
    "Intensity",
    ax=axes,
    cmap=cm,
    norm=norm,  # 传入固定归一化规则，替代默认的动态范围计算
    legend=True
)

默认BoundaryNorm生成的图例是按照数值区间展示的，如果需要直接显示对应烈度值作为标签，可以在绘图后手动调整图例刻度：

# 获取自动生成的图例对象
leg = axes.get_legend()
# 把图例的刻度位置替换为真实烈度值
leg.set_ticks(intensity_levels)
# 把图例标签替换为对应烈度的字符串
leg.set_ticklabels([str(x) for x in intensity_levels])

调整完成后：

• 单值场景下（比如全区域Intensity为2），会按照固定规则映射到对应的专属颜色#1aff1a，不会再出现统一映射到色表首色的问题
• 多值场景下，每个烈度值都会严格匹配预先配置的自定义颜色，不会因为数据范围变化发生色标偏移

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