pcolormesh离散colorbar中extend参数的使用问题及需求实现

嘿，我懂你现在的困扰——想让vmax以上的数值用单独的颜色，而不是和colormap最后一层撞色对吧？我之前也踩过这个坑，其实不用纠结extend参数的默认表现，换个思路自定义colormap和归一化规则就能完美解决，给你一步步拆解：

extend参数的箭头本质是复用colormap的首尾颜色，没法单独指定新颜色。所以我们要手动构建离散的颜色区间，把超阈值的部分做成一个独立的颜色段，而不是依赖extend的延伸效果。

1. 定义自定义颜色列表和区间边界 #

首先明确你的需求：第一层级白色、中间是阈值内的离散区间、最后单独给超阈值数值分配颜色。举个具体的代码例子：

import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import numpy as np

# 生成包含超阈值数据的测试集（这里阈值设为10）
data = np.random.rand(20,20)*15  # 数据范围0-15，超过阈值10的部分会被单独上色

# 构建颜色列表：第一个是白色，中间用你喜欢的colormap（比如viridis）生成10个色阶，最后加一个专属颜色（比如红色）
colors = ['white'] + plt.cm.viridis(np.linspace(0, 1, 10)).tolist() + ['#ff0000']

# 构建区间边界：从0到10分10段，最后加一个无穷大边界，把所有超10的数据归到最后一段
bounds = np.linspace(0, 10, 11)
bounds = np.append(bounds, np.inf)

2. 创建自定义归一化规则和色图 #

用BoundaryNorm来实现离散区间的归一化，把我们定义的颜色和边界一一对应：

# 基于边界创建离散归一化对象
norm = mcolors.BoundaryNorm(bounds, len(colors))
# 用自定义颜色列表生成色图
cmap = mcolors.ListedColormap(colors)

3. 绘图并调整色条 #

这时候不需要再用extend参数了，因为超阈值的部分已经是一个独立的颜色段，直接在色条里显示即可：

fig, ax = plt.subplots()
im = ax.pcolormesh(data, cmap=cmap, norm=norm)

# 添加色条，还可以自定义刻度标签
cbar = plt.colorbar(im, ticks=np.append(bounds[:-1], 10))  # 保留到10的刻度
# 给最后一段手动添加标签，比如">10"
cbar.ax.set_yticklabels([f'{b:.1f}' for b in bounds[:-1]] + ['>10'])

plt.show()

额外调整提示 #

如果你的第一层级是低于某个vmin的数值显示白色，只需要修改边界的起始值：

# 把低于0的数值归到白色段
bounds = np.append(-np.inf, np.linspace(0, 10, 11))
bounds = np.append(bounds, np.inf)

内容的提问来源于stack exchange，提问作者Lukas