Python 2.7 创建一个带有“"；“中档”；而不是",；中点；

我正在使用python seaborn包生成一个发散调色板（seaborn.diverging_palette）

我可以选择我的两种极端颜色，并定义中心是亮->白还是暗->黑（

center

parameter）。但是我想把这个中心部分的颜色（在我的例子中是白色）扩展到一个给定的值范围

例如，我的值从0到20。所以，我的中点是10。因此，只有10是白色的，当转到0/20时，它会变得更绿/更蓝。我想保持白色从7到13（中间桥前/后3），然后开始移动到绿色/蓝色

我找到了

sep

参数，它扩展或减少了中间的白色部分。但我找不到任何关于其值含义的解释，例如，为了找到

sep

的哪个值对应于中点每边3

有人知道sep和价值量表之间的关系吗？

---

或者另一个参数是否可以执行预期的行为？

似乎

sep

参数可以采用

1

和

254

之间的任何整数。中点颜色覆盖的颜色图分数将等于

sep/256

也许一个简单的可视化方法是使用

seaborn.palplot

，使用

n=256

将调色板分成256种颜色

这是一个带有

sep=1

的调色板：

sns.palplot(sns.diverging_palette(0, 255, sep=1, n=256))

这是一个带有

sep=8

sns.palplot(sns.diverging_palette(0, 255, sep=8, n=256))

这里是

sep=64

（即调色板的四分之一是中点颜色）

这是

sep=128

（即一半是中点颜色）

这是

sep=254

（即调色板边缘上除颜色外的所有颜色都是中点颜色）

您的特定调色板 因此，对于范围为

0-20

但中点范围为

7-13

的情况，您希望调色板的分数作为中点为

6/20

。要将其转换为

sep

，我们需要乘以256，因此得到

sep=256*6/20=76.8

。但是，

sep

必须是一个整数，所以让我们使用

77

下面是一个脚本，用于制作一个发散调色板，并绘制一个颜色条，以显示使用

sep=77

将正确的中点颜色保留在7和13之间：

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

# Create your palette
cmap = sns.diverging_palette(0,255,sep=77, as_cmap=True)

# Some data with a range of 0 to 20
x = np.linspace(0,20,20).reshape(4,5)

# Plot a heatmap (I turned off the cbar here, so I can create it later with ticks spaced every integer)
ax = sns.heatmap(x, cmap=cmap, vmin=0, vmax=20, cbar = False)

# Grab the heatmap from the axes
hmap = ax.collections[0]

# make a colorbar with ticks spaced every integer
cmap = plt.gcf().colorbar(hmap)
cmap.set_ticks(range(21))

plt.show()

---

sns.帕尔普洛特的电话丢失了一个右键parenthesis@Tyler谢谢，修好了

sns.palplot(sns.diverging_palette(0, 255, sep=128, n=256))

sns.palplot(sns.diverging_palette(0, 255, sep=254, n=256))

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

# Create your palette
cmap = sns.diverging_palette(0,255,sep=77, as_cmap=True)

# Some data with a range of 0 to 20
x = np.linspace(0,20,20).reshape(4,5)

# Plot a heatmap (I turned off the cbar here, so I can create it later with ticks spaced every integer)
ax = sns.heatmap(x, cmap=cmap, vmin=0, vmax=20, cbar = False)

# Grab the heatmap from the axes
hmap = ax.collections[0]

# make a colorbar with ticks spaced every integer
cmap = plt.gcf().colorbar(hmap)
cmap.set_ticks(range(21))

plt.show()