Matplotlib 如何用颜色渐变填充直方图，其中一个固定点表示颜色贴图的中间

此代码

import numpy as np
import matplotlib.pyplot as plt

def randn(n, sigma, mu):
    return sigma * np.random.randn(n) + mu

x = randn(1000, 40., -100.)

cm = plt.cm.get_cmap("seismic")
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
_, bins, patches = ax.hist(x,color="r",bins=30)
bin_centers = 0.5*(bins[:-1]+bins[1:])
col = bin_centers - min(bin_centers)
col /= max(col)

for c, p in zip(col, patches):
    plt.setp(p, "facecolor", cm(c))
plt.savefig("b.png", dpi=300, bbox_inches="tight")

生成以下直方图

---

我想使用发散彩色贴图

seismic

，希望所有表示负数出现的条带蓝色，所有表示正数的条带红色。在零度左右，条形图应始终为白色。因此，第一个图形应该大部分为红色，最后一个图形应该大部分为蓝色。如何实现这一点？

< P>如果这只是关于视觉外观，你可以将你的颜色标准化到最大绝对值与其负对应的范围内，这样零点总是在中间（<代码>马克斯宾斯< /代码>）。

---

对于不同的用例，我有一个备选答案。我想让发散颜色贴图中的不同颜色动态映射到发散点两侧各自的“宽度”。另外，我想显式地设置分歧点（在我的例子中是1）

我通过修改@ImportanceofBeingErnest的答案实现了这一点，尽管最后我不需要做任何标准化，我只是在同一个图形上使用了两个图，并选择了连续的颜色贴图，当端到端放置时，重新形成了目标发散颜色贴图

def hist2(x, vmin, vmax, cmmap_name, ax=None,):

    cm = plt.cm.get_cmap(cmmap_name)
    ax = ax or plt.gca()
    _, bins, patches = ax.hist(x,color="r",bins=50)

    bin_centers = 0.5*(bins[:-1]+bins[1:])
    norm = plt.Normalize(vmin, vmax)

    for c, p in zip(bin_centers, patches):
        plt.setp(p, "facecolor", cm(norm(c)))

data = <YOUR DATA>
left_data = [i for i in data if i < <YOUR DIVERGENCE POINT>]
right_data = [i for i in data if i >= <YOUR DIVERGENCE POINT>]

fig, ax = plt.subplots(nrows=1)
hist2(left_data, min(left_data), max(left_data), "YlOrRd_r", ax=ax)
hist2(right_data, min(right_data), max(right_data), "YlGn", ax=ax)
plt.show()

def hist2（x，vmin，vmax，cmmap_名称，ax=None，）：
cm=plt.cm.get\u cmap（cmmap\u名称）
ax=ax或plt.gca（）
_，存储箱，补丁=ax.hist（x，color=“r”，存储箱=50）
垃圾箱中心=0.5*（垃圾箱[：-1]+垃圾箱[1:]）
norm=plt.Normalize（vmin，vmax）
对于c，p-in-zip（bin_中心，补丁）：
plt.setp（p，“脸色”，cm（标准（c）））
数据=
左_数据=[i表示数据中的i，如果i<]
right_data=[i表示数据中的i，如果i>=]
图，ax=plt子批次（nrows=1）
hist2（左侧数据，最小值（左侧数据），最大值（左侧数据），“YlOrRd\u r”，ax=ax
hist2（右数据，最小值（右数据），最大值（右数据），“YlGn”，ax=ax
plt.show（）

我的一些结果：

---

只需在hist中指定存储箱，而不是指定多个存储箱。我刚刚意识到，该解决方案只适用于大数量的存储箱。在这种情况下，数字从-200到200。如果我测试你的解决方案的较小的数字，比如-1到1，直方图几乎是白色的。几乎看不到蓝色或红色。你如何改变这一点？对于较小的数字，结果看起来像。

def hist2(x, vmin, vmax, cmmap_name, ax=None,):

    cm = plt.cm.get_cmap(cmmap_name)
    ax = ax or plt.gca()
    _, bins, patches = ax.hist(x,color="r",bins=50)

    bin_centers = 0.5*(bins[:-1]+bins[1:])
    norm = plt.Normalize(vmin, vmax)

    for c, p in zip(bin_centers, patches):
        plt.setp(p, "facecolor", cm(norm(c)))

data = <YOUR DATA>
left_data = [i for i in data if i < <YOUR DIVERGENCE POINT>]
right_data = [i for i in data if i >= <YOUR DIVERGENCE POINT>]

fig, ax = plt.subplots(nrows=1)
hist2(left_data, min(left_data), max(left_data), "YlOrRd_r", ax=ax)
hist2(right_data, min(right_data), max(right_data), "YlGn", ax=ax)
plt.show()