Seaborn热图中的自定义调色板间隔

本文介绍了Seaborn热图中的自定义调色板间隔的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述

我正在尝试使用seaborn库绘制

现在，我正在苦苦挣扎的问题是那可怕的热图（下面的视图）将色标平均分配，因此大多数数据具有相同的颜色（因为数据分布不均匀）。

我找不到

假设我有以下十六进制颜色值数组：

['＃e5e5ff'，'#acacdf'，'＃7272bf'，'＃39399f'，'＃000080']

有没有一种设置颜色的方法，例如

[（threshold_0，hex_0），（ threshold_1，hex_1），...，（threshold_n，hex_n）]

其中 threshold_i 是[0，1）范围内的值。

感谢任何帮助。

PS：用于说明的当前热图：

解决方案

我能够找出答案（没有我认为这非常干净）解决方案，它使用 matplotlib.colors.LinearSegmentedColormap 。

代码如下所示：

＃注意：jupyter笔记本模式％matplotlib内联 从matplotlib.colors导入seaborn作为sns 从color导入LinearSegmentedColormap boundary = [0.0，0.05，0.1，0.25，0.5，0.75，0.9，1.0]＃自定义边界 ＃这里我生成的颜色是＃的两倍，因此我可以更清晰地修剪边界 hex_colors = sns.light_palette（'navy'，n_colors = len（boundaries）* 2 + 2 ，as_cmap = False）.as_hex（） hex_colors = [hex_colors [i] for i in range（0，len（hex_colors），2）] colors = list（zip（boundaries ，hex_colors）） custom_color_map = LinearSegmentedColormap.from_list（ name ='custom_navy'， colors = colors，） sns .heatmap（ vmin = 0.0， vmax = 1.0， data = data， cma p = custom_color_map， xticklabels =标签， yticklabels =标签，线宽= 0.75，）

I am trying to plot a heatmap using seaborn library.

The plotting function looks like this:

def plot_confusion_matrix(data, labels, **kwargs): """Visualize confusion matrix as a heat map.""" col_map = kwargs.get('color_palette', sns.light_palette('navy', n_colors=5, as_cmap=False)) sns.heatmap( vmin=0.0, vmax=1.0, data=data, cmap=col_map, xticklabels=labels, yticklabels=labels, linewidths=0.75, )

The histogram of the data, however, looks like this:

Now the issue I am struggling with is that seaborn heatmap(view bellow) splits evenly the color scale and hence most of the data has the same color (since the data is not evenly distributed).

I was not able to find out how to set some sort of intervals or boundaries for the color levels.

Suppose I have the following array of hex color values:

['#e5e5ff', '#acacdf', '#7272bf', '#39399f', '#000080']

Is there a way to set up a color such as

[(threshold_0, hex_0), (threshold_1, hex_1), ..., (threshold_n, hex_n)]

where threshold_i is a value in range [0, 1)

Appreciate any help.

PS: current heatmap for illustration:

解决方案

I was able to find out (not very clean tho, in my opinion) solution to this, which is using matplotlib.colors.LinearSegmentedColormap.

The code looks like this:

# NOTE: jupyter notebook mode %matplotlib inline import seaborn as sns from matplotlib.colors import LinearSegmentedColormap boundaries = [0.0, 0.05, 0.1, 0.25, 0.5, 0.75, 0.9, 1.0] # custom boundaries # here I generated twice as many colors, # so that I could prune the boundaries more clearly hex_colors = sns.light_palette('navy', n_colors=len(boundaries) * 2 + 2, as_cmap=False).as_hex() hex_colors = [hex_colors[i] for i in range(0, len(hex_colors), 2)] colors=list(zip(boundaries, hex_colors)) custom_color_map = LinearSegmentedColormap.from_list( name='custom_navy', colors=colors, ) sns.heatmap( vmin=0.0, vmax=1.0, data=data, cmap=custom_color_map, xticklabels=labels, yticklabels=labels, linewidths=0.75, )