如何从Matplotlib散点图对象获取Normalize并计算指定值对应颜色？

当然可以呀！完全没必要自己手动实现归一化逻辑——散点图对象scplot本身就带着Matplotlib自动生成的Normalize实例，直接调用就行～

具体步骤： #

• 提取Normalize实例：直接访问scplot.norm，这就是绘制散点图时Matplotlib自动创建的归一化对象（如果当初手动指定了norm参数，返回的就是你指定的那个）
• 获取颜色映射：用你提到的scplot.get_cmap()拿到对应的colormap
• 计算目标数值的颜色：先把目标数值（比如你要的9）通过norm归一化到[0,1]区间，再传给colormap就能得到对应的RGBA颜色值

完整代码示例： #

import matplotlib.pyplot as plt
x=[1,2,3]
y=[3,5,2]
c=[10,7,19]
scplot = plt.scatter(x,y,c=c)

# 提取散点图使用的Normalize对象
norm = scplot.norm
# 获取对应的颜色映射
cmap = scplot.get_cmap()

# 计算数值9对应的颜色
target_num = 9
normalized_val = norm(target_num)
target_color = cmap(normalized_val)

print(f"数值9对应的RGBA颜色为: {target_color}")

额外说明： #

这种方法的好处是完全复用了绘制散点图时的归一化逻辑，避免了手动设置vmin/vmax时可能和Matplotlib默认行为不一致的问题，保证颜色计算的准确性。

内容的提问来源于stack exchange，提问作者Oren