Matplotlib 如何创建一个离散的颜色映射，将整数映射到颜色，对输入数据的范围保持不变

假设有一个向量包含集合[1,2,3]中的整数。我想创建一个颜色映射，其中1始终显示为蓝色，2始终显示为红色，3始终显示为紫色，而不管输入数据的范围如何——例如，即使输入向量仅包含1和2，我仍然希望它们分别显示为蓝色和红色（在本例中不使用紫色）

我尝试了以下代码：

这与预期一样有效（数据包含1、2和3）：

cmap=colors.ListedColormap（[“蓝色”、“红色”、“紫色”））
界限=[0.5,1.5,2.5,3.5]
范数=颜色。边界范数（边界，cmap.N）
data=np.数组（[1,2,1,2,3]）
sns.heatmap（数据重塑（-1,1），cmap=cmap，norm=norm，annot=True）

未按预期工作（数据仅包含1和2）：

cmap=colors.ListedColormap（[“蓝色”、“红色”、“紫色”））
界限=[0.5,1.5,2.5,3.5]
范数=颜色。边界范数（边界，cmap.N）
data=np.数组（[1,2,1,2,2]）
sns.heatmap（数据重塑（-1,1），cmap=cmap，norm=norm，annot=True）

在第一个示例中，根据需要，1显示为蓝色，2显示为红色，3显示为紫色

---

在第二个示例中，1显示为蓝色，2显示为紫色，而不使用红色。

不完全确定，但我认为这个最小的示例解决了您的问题。在这里，我已经采取了一个实际的彩色地图，并编辑它，以产生一个较小的版本。希望有帮助

#0. Import libraries
#==============================
import matplotlib
import matplotlib.pyplot as plt
from matplotlib import colors
import seaborn as sns
import numpy as np
#==============================

#1. Create own colormap
#======================================

#1.1. Choose the colormap you want to
#pick up colors from
source_cmap=matplotlib.cm.get_cmap('Set2')

#1.2. Choose number of colors and set a step
cols=4;step=1/float(cols - 1)

#1.3. Declare a vector to store given colors
cmap_vec=[]

#1.4. Run from 0 to 1 (limits of colormap)
#stepwise and pick up equidistant colors
#---------------------------------------
for color in np.arange(0,1.1,step):
    #store color in vector
    cmap_vec.append( source_cmap(color) )
#---------------------------------------

#1.5. Create colormap with chosen colors
    custom_cmap=\
    colors.ListedColormap([ color for color in cmap_vec ])
#====================================

#2. Basic example to plot in
#======================================
A = np.matrix('0 3; 1 2')
B=np.asarray(A)
ax=sns.heatmap(B,annot=True,cmap=custom_cmap)
plt.show()
#======================================

---

不完全确定，但我认为这个最小的例子解决了您的问题。在这里，我已经采取了一个实际的彩色地图，并编辑它，以产生一个较小的版本。希望有帮助

#0. Import libraries
#==============================
import matplotlib
import matplotlib.pyplot as plt
from matplotlib import colors
import seaborn as sns
import numpy as np
#==============================

#1. Create own colormap
#======================================

#1.1. Choose the colormap you want to
#pick up colors from
source_cmap=matplotlib.cm.get_cmap('Set2')

#1.2. Choose number of colors and set a step
cols=4;step=1/float(cols - 1)

#1.3. Declare a vector to store given colors
cmap_vec=[]

#1.4. Run from 0 to 1 (limits of colormap)
#stepwise and pick up equidistant colors
#---------------------------------------
for color in np.arange(0,1.1,step):
    #store color in vector
    cmap_vec.append( source_cmap(color) )
#---------------------------------------

#1.5. Create colormap with chosen colors
    custom_cmap=\
    colors.ListedColormap([ color for color in cmap_vec ])
#====================================

#2. Basic example to plot in
#======================================
A = np.matrix('0 3; 1 2')
B=np.asarray(A)
ax=sns.heatmap(B,annot=True,cmap=custom_cmap)
plt.show()
#======================================

---

可能是seaborn中的一个bug，因为当您使用

plt.imshow

或

plt.pcolormesh

而不是

sns.heatmap

时，它会按预期工作。有趣的是，感谢您指出这一点——使用这些命令时，它也会按预期工作。这实际上是我在使用另一个不调用seaborn AFAIK的软件包（nilearn）中的绘图函数时发现的一个问题的最小工作示例，因此我需要深入研究该软件包的调用以了解发生了什么。可能是seaborn中的一个bug，因为当您使用

plt.imshow

或

plt.pcolormesh

而不是

sns.heatmap

时，它会按预期工作。有趣的是，感谢您指出这一点——使用这些命令时，它也会按预期工作。这实际上是我在使用另一个不调用seaborn AFAIK的软件包（nilearn）中的绘图函数时发现的一个问题的最小工作示例，因此我需要深入研究该软件包的调用以了解发生了什么。