根据要求着色 Matplotlib 热图

Question

我创建了一个简单的 matplotlib 热图，其中如果单元格的值高于 2.3，则每个单元格将显示为红色或绿色。

现在，我想拥有它，而不是简单的红色或绿色 根据单元格的值与2.3 的差异程度，更深或更浅，例如1 的红色将比2.1 更深。

有没有办法做到这一点？到现在为止，我只能做到二进制，感谢this question。

ax1 = fig.add_subplot(111)

a = np.array([[0.8, 2.4, 2.5, 3.9],
              [2.4, 0.0, 4.0, 1.0],
              [1.1, 2.4, 0.8, 4.3],
              [0.6, 0.0, 0.3, 0.0],
              [0.7, 1.7, 0.6, 2.6]])

cmap = matplotlib.colors.ListedColormap(['#ff3d3d', '#74ff52'])

bounds = [np.amin(a), 2.3, np.amax(a)]

norm = matplotlib.colors.BoundaryNorm(bounds, cmap.N)

ax1.imshow(a, interpolation='none', cmap=cmap, norm=norm)

Answer 1

LinearSegmentedColormap 可以从颜色列表创建连续的颜色图。它有助于在中间显式设置颜色（例如“黄色”）以创建区别。

TwoSlopeNorm 可以精确定位中心的精确值。

import matplotlib.pyplot as plt
import matplotlib
from matplotlib.ticker import MultipleLocator
import numpy as np

a = np.array([[0.8, 2.4, 2.5, 3.9],
              [2.4, 0.0, 4.0, 1.0],
              [1.1, 2.4, 0.8, 4.3],
              [0.6, 0.0, 0.3, 0.0],
              [0.7, 1.7, 0.6, 2.6]])
cmap = matplotlib.colors.LinearSegmentedColormap.from_list('', ['#ff3d3d', 'yellow', '#74ff52'])
norm = matplotlib.colors.TwoSlopeNorm(vcenter=2.3, vmin=a.min(), vmax=a.max())

fig, ax = plt.subplots()
img = ax.imshow(a, interpolation='none', cmap=cmap, norm=norm)
ax.xaxis.set_major_locator(MultipleLocator(1))
ax.yaxis.set_major_locator(MultipleLocator(1))
plt.colorbar(img, ax=ax)
plt.tight_layout()
plt.show()

左边是黄色作为中心颜色的例子，中间是白色，右边是没有明确设置中心颜色的例子。

PS：如果中心值不在最小值和最大值之间，则整个图像将是红色或绿色。在这种情况下，您可以将规范创建为：

bounds = sorted([2.3,  a.min(), a.max()])
norm = matplotlib.colors.TwoSlopeNorm(vcenter=bounds[1], vmin=bounds[0], vmax=bounds[2])

Answer 2

这是我使用 seaborn 库的解决方案。
（最好在您的 PC 上安装 matplotlib 3.1.0，因为 matplotlib 3.1.1 在显示热图时可能会导致问题）。

import seaborn 
import numpy as np
import matplotlib.pyplot as plt

a = np.array([[0.8, 2.4, 2.5, 3.9],
              [2.4, 0.0, 4.0, 1.0],
              [1.1, 2.4, 0.8, 4.3],
              [0.6, 0.0, 0.3, 0.0],
              [0.7, 1.7, 0.6, 2.6]])

#b = np.array([[1,2],[3,4]])
minVal = np.amin(a)
maxVal = np.amax(a)
diffs = abs(2.3 - a)

seaborn.heatmap(a, annot=True, linewidths=.5, square=True, vmin=np.amin(a), vmax=np.amax(a), cmap='RdYlGn')
plt.figure()
seaborn.heatmap(diffs, annot=True, linewidths=.5, square=True, vmin=np.amin(diffs), vmax=np.amax(diffs), cmap='Reds')

第一个热图是您的原始“a”矩阵，如下所示：

第二个热图表示 a 与 2.3 不同的值，如下所示：