所以我需要在 seaborn 中创建大量具有不同数据尺度的热图。一些范围从 0-100 和一些 +100 到 -100。我需要做的是在所有图表中保持相同的颜色分级。因此，例如，我希望任何低于 0 的东西都从深蓝色稳定地变为浅蓝色，而任何高于 0 的东西都变得更深红色，例如下面可怕的示例图。
下面没有很好地显示我需要的是流畅的颜色过渡，因为目前我不完全确定 seaborn 是如何工作的，因为我刚刚列出了一些颜色 - 下面的代码
sns.heatmap(df.T, cmap=ListedColormap(['#000066','#000099','#0000cc','#1a1aff','#6666ff','#b3b3ff','#ffff00','#ffcccc','#ff9999','#ff6666','#ff3333','#ff0000']), annot=False)
感谢您的任何建议。
最佳答案
要指定颜色归一化，您可以使用 Normalize 实例，plt.Normalize(vmin, vmax) 并使用 norm 将其提供给热图 关键字(路由到底层 pcolormesh)。
要获得颜色逐渐变化的颜色图，您可以使用静态 LinearSegmentedColormap.from_list 方法并为其提供颜色列表。
import numpy as np; np.random.seed(0)
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
x1 = np.random.randint(0,100,size=(12,8))
x2 = np.random.randint(-100,100,size=(12,8))
fig, axes = plt.subplots(ncols=2)
cmap = mcolors.LinearSegmentedColormap.from_list("n",['#000066','#000099','#0000cc','#1a1aff','#6666ff','#b3b3ff',
'#ffff00','#ffcccc','#ff9999','#ff6666','#ff3333','#ff0000'])
norm = plt.Normalize(-100,100)
sns.heatmap(x1, ax=axes[0], cmap=cmap, norm=norm)
sns.heatmap(x2, ax=axes[1], cmap=cmap, norm=norm)
plt.show()
关于python - Seaborn HeatMap - 如何在多个不同的数据集中设置颜色分级，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/44736213/