seaborn 热图中的自定义调色板间隔

Question

我正在尝试使用 seaborn 库绘制热图。

绘图函数如下所示：

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,
    )

然而， data的直方图看起来像这样：

现在我正在努力解决的问题是 seaborn 热图（查看波纹管）均匀地分割色标，因此大多数数据具有相同的颜色（因为数据分布不均匀）。

我无法找到如何为颜色级别设置某种间隔或边界。

假设我有以下十六进制颜色值数组：

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

有没有办法设置颜色，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：

Answer 1

关于此处的文档，您可以创建自己的颜色词典。 这些 dicts 必须是 rgb 值，所以我写了第一个测试函数来从 Hex_colors 和你想要的阈值生成一个：

def NonLinCdict(steps, hexcol_array):
    cdict = {'red': (), 'green': (), 'blue': ()}
    for s, hexcol in zip(steps, hexcol_array):
        rgb =matplotlib.colors.hex2color(hexcol)
        cdict['red'] = cdict['red'] + ((s, rgb[0], rgb[0]),)
        cdict['green'] = cdict['green'] + ((s, rgb[1], rgb[1]),)
        cdict['blue'] = cdict['blue'] + ((s, rgb[2], rgb[2]),)
    return cdict

hc = ['#e5e5ff', '#acacdf', '#7272bf', '#39399f', '#000080']
th = [0, 0.1, 0.5, 0.9, 1]

cdict = NonLinCdict(th, hc)
cm = mc.LinearSegmentedColormap('test', cdict)

plt.figure()
sns.heatmap(
        vmin=0.0,
        vmax=1.0,
        data=data,
        cmap=cm,
        linewidths=0.75)

它产生：

还可以做更多的事情（例如，针对离散跳转，只需查看文档...）但这应该可以回答您的原始问题-这次包括“自定义”...

但是，我必须补充一下我的个人意见：像这样拉伸的颜色图在这里可能会“令人愉悦”，但应该注意它们不会误导观众的眼睛。

我希望这有帮助。

Answer 2

我能够找到（在我看来不是很干净）解决方案，它使用matplotlib.colors.LinearSegmentedColormap 。

代码如下所示：

# 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,
  )

Answer 3

故意不解决您的问题中的“习惯” - 也许这在此期间有所帮助：

在众所周知的在整个范围内平滑变化的颜色图下面，还有一些更适合显示多个数据带中的微小差异，例如gist_ncar 。

另见https://matplotlib.org/examples/color/colormaps_reference.html

创建于

sns.heatmap(vmin=0.0, vmax=1.0, data=data,  cmap='gist_ncar', linewidths=0.75)