Matplotlib imshow自定义色彩映射实现（含自定义映射与缩放）

别担心，刚上手Matplotlib碰到这种自定义增强效果的需求确实容易卡壳，我来一步步帮你搞定这个带自定义色彩映射和非线性缩放的imshow绘制！

1. 从十六进制颜色列表创建自定义色彩映射 #

Matplotlib提供了两种简单的方式来实现自定义配色：

• 如果你想要固定的离散颜色块，用ListedColormap最直接，完全复用你提供的十六进制颜色列表：

  import matplotlib.pyplot as plt
  from matplotlib.colors import ListedColormap
  import numpy as np
  
  # 替换成你的十六进制颜色列表
  hex_colors = ["#002B5B", "#256D85", "#8FE3CF", "#F9F5EB"]
  custom_cmap = ListedColormap(hex_colors, name="my_custom_cmap")
  

• 如果想要颜色之间过渡更平滑，可以用LinearSegmentedColormap.from_list自动插值生成渐变色彩：

  from matplotlib.colors import LinearSegmentedColormap
  
  custom_smooth_cmap = LinearSegmentedColormap.from_list(
      "my_smooth_cmap", hex_colors, N=256  # N控制渐变的精细度
  )
  

2. 实现自定义非线性数据缩放 #

针对非线性的数值映射，分两种场景处理：

场景一：自定义连续非线性映射 #

如果你的缩放是一个特定的非线性函数（比如平方根、指数变换），可以自定义一个归一化类：

from matplotlib.colors import Normalize

class CustomNonLinearNorm(Normalize):
    def __call__(self, value, clip=None):
        # 这里替换成你的非线性逻辑，示例为平方根缩放
        # 先把数据缩到[0,1]区间，再做非线性变换
        normalized = (value - self.vmin) / (self.vmax - self.vmin)
        transformed = np.sqrt(normalized)
        return np.ma.masked_array(transformed)

# 初始化时传入你的数据范围
norm = CustomNonLinearNorm(vmin=0, vmax=100)

场景二：分段非线性映射（固定边界） #

如果你的缩放是基于几个非线性间隔的分段边界，用BoundaryNorm更合适：

from matplotlib.colors import BoundaryNorm

# 自定义非线性边界，比如间隔越来越大的分段
boundaries = [0, 10, 30, 60, 100]
# 边界数量要比颜色数多1，对应每个区间的颜色
norm = BoundaryNorm(boundaries, ncolors=len(hex_colors))

3. 结合两者绘制imshow #

把自定义的色彩映射和归一化规则传入imshow，就能得到你想要的增强效果了，这里用随机数据做示例：

# 生成测试数据（替换成你的真实数据）
data = np.random.randint(0, 100, size=(50, 50))

# 创建绘图
fig, ax = plt.subplots(figsize=(8,6))
im = ax.imshow(data, cmap=custom_cmap, norm=norm)

# 添加颜色条，直观展示颜色与数值的对应关系
plt.colorbar(im, ax=ax, ticks=boundaries if 'boundaries' in locals() else None)

plt.title("自定义色彩映射+非线性缩放效果")
plt.show()

额外实用提示 #

• 如果你的非线性缩放是常见类型（幂次、对数），可以直接用Matplotlib内置的归一化类，不用自己写：

  from matplotlib.colors import PowerNorm, SymLogNorm
  # 幂次缩放，gamma=0.5等价于平方根变换
  norm = PowerNorm(gamma=0.5, vmin=0, vmax=100)
  

• 调试时可以先打印归一化后的数据，确认映射逻辑符合预期，避免颜色显示异常。

内容的提问来源于stack exchange，提问作者wxninja