如何自定义蓝-黑-红配色且扩展中间色区的Matplotlib Colormap
自定义适配线性归一化的蓝-黑-红三色Colormap
核心实现思路
完全贴合需求的设计逻辑,不需要改动现有工作流的线性Normalize计算,全程在Colormap定义层完成调整:
- 替换原
brgColormap的三个主色调:色标低值端为纯蓝色、色标高值端为纯红色、中间主色为纯黑色 - 扩展中间黑色段的覆盖范围:放弃通过 非线性归一化 调整映射关系的方案,直接在色标坐标空间拉长纯黑色段的占比,实现中间色区范围的扩展效果
- 保持原生工作流兼容性:自定义Colormap生成后,无需修改任何现有 线性归一化 配置、绘图逻辑,可直接替换原有Colormap参数使用
可直接复用的实现代码
通过定义分段锚点的方式生成Colormap,锚点位置可根据需要灵活调整黑色段的覆盖宽度:
import matplotlib.pyplot as plt from matplotlib.colors import LinearSegmentedColormap import numpy as np # 定义色标分段锚点,坐标范围为0~1,与线性归一化的输出区间完全对齐 color_segments = [ (0.0, (0.0, 0.0, 1.0)), # 色标最小值端:纯蓝色 (0.35, (0.0, 0.0, 1.0)), # 蓝色段从0.0 连续延伸至0.35位置 (0.35, (0.0, 0.0, 0.0)), # 0.35位置无渐变跳变进入纯黑色 (0.65, (0.0, 0.0, 0.0)), # 纯黑色段覆盖0.35~0.65区间,占总色标的30%,实现中间区扩展 (0.65, (1.0, 0.0, 0.0)), # 0.65位置无渐变跳变进入纯红色 (1.0, (1.0, 0.0, 0.0)) # 色标最大值端:纯红色 ] # 生成自定义Colormap bkr_cmap = LinearSegmentedColormap.from_list( name="blue_black_red", colors=color_segments, N=256 # 保持与原生Colormap一致的色阶分辨率 )
日常使用方式
因为全程兼容线性Normalize,不需要额外配置非线性归一化类参数,直接替换imshow、pcolormesh等接口的cmap参数即可,测试示例:
# 生成正态分布测试数据 test_array = np.random.randn(20, 20) # 绘图流程与原有逻辑完全一致,自动使用默认线性Normalize plt.imshow(test_array, cmap=bkr_cmap) plt.colorbar() plt.show()
如果需要调整中间黑色段的覆盖范围,只需要修改color_segments里黑色段对应的起止位置即可:比如想让黑色段覆盖中间50%的色标范围,可将黑色段的起止位置调整为0.25、0.75,全程不需要改动归一化的计算逻辑。
内容的提问来源于stack exchange,提问作者Pickniclas
相关产品推荐
相关产品推荐

