使用`plot_heatmap`绘制热力图时

在Python中，使用plot_heatmap绘制热力图时，颜色图例（colorbar）的定制化设置是关键步骤。以下是实现方法及优化建议：

---

一、基础图例绘制

1. 自动生成颜色条
   使用seaborn.heatmap()时，默认会生成颜色条，通过cbar=True显式启用（默认已启用）：

   import seaborn as sns
   sns.heatmap(data, cbar=True)
   

   若需隐藏颜色条，则设置cbar=False。

2. 调整颜色条位置与方向
   通过cbar_kws参数自定义颜色条属性：

   sns.heatmap(data, cbar_kws={
       "orientation": "vertical",  # 或"horizontal"
       "shrink": 0.5,             # 缩放比例
       "pad": 0.05                # 与热力图的间距
   })
   

---

二、高级定制

1. 自定义颜色映射（Colormap）
   使用cmap参数指定预定义或自定义颜色映射：

   sns.heatmap(data, cmap="viridis")  # 内置colormap
   # 或自定义离散颜色
   from matplotlib.colors import ListedColormap
   custom_cmap = ListedColormap(["#FF0000", "#00FF00", "#0000FF"])
   sns.heatmap(data, cmap=custom_cmap)
   

2. 设置颜色范围与刻度
   通过vmin和vmax限定数据范围，cbar_kws调整刻度标签：

   sns.heatmap(data, vmin=0, vmax=100, 
               cbar_kws={"ticks": [0, 50, 100], "label": "Score"})
   

3. 手动添加颜色条（Matplotlib原生方法）
   当需要更复杂的布局时，可分离绘图与颜色条：

   import matplotlib.pyplot as plt
   fig, ax = plt.subplots()
   heatmap = ax.imshow(data, cmap="coolwarm")
   cbar = fig.colorbar(heatmap, ax=ax, fraction=0.046, pad=0.04)
   cbar.set_label("Temperature (°C)", rotation=270, labelpad=15)
   

---

三、常见问题解决

1. 颜色条与热力图尺寸不匹配
   调整fraction和pad参数（如fraction=0.046可适配常见比例）。

2. 离散型颜色条的分段显示
   使用BoundaryNorm定义离散边界：

   from matplotlib.colors import BoundaryNorm
   bounds = [0, 10, 20, 30]
   norm = BoundaryNorm(bounds, ncolors=256)
   sns.heatmap(data, cmap=custom_cmap, norm=norm)
   

3. 多子图共享颜色条
   在多个子图中共享同一颜色范围：

   fig, (ax1, ax2) = plt.subplots(1, 2)
   sns.heatmap(data1, ax=ax1, cbar=False)
   heatmap = sns.heatmap(data2, ax=ax2, cbar=False)
   fig.colorbar(heatmap.get_children(), ax=[ax1, ax2], pad=0.1)
   

---

四、完整示例代码

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

# 生成示例数据
data = np.random.rand(10, 10) * 100

# 绘制热力图
plt.figure(figsize=(8, 6))
ax = sns.heatmap(
    data,
    cmap="Spectral",
    annot=True,
    cbar_kws={
        "orientation": "vertical",
        "label": "Value Range",
        "ticks": np.linspace(0, 100, 5)
    },
    vmin=0,
    vmax=100
)

# 调整颜色条标签字体
cbar = ax.collections.colorbar
cbar.ax.tick_params(labelsize=10)
cbar.ax.set_ylabel("Custom Label", fontsize=12)

plt.title("Customized Heatmap with Colorbar")
plt.show()

---

五、扩展建议

• 交互式颜色条
  使用Plotly库生成可交互热力图，支持动态缩放和悬停提示：

  import plotly.express as px
  fig = px.imshow(data, color_continuous_scale="Viridis")
  fig.show()
  

• 颜色条与注释结合
  在热力图中叠加文本注释（annot=True）时，可通过annot_kws调整字体颜色以适配背景色。

---

通过上述方法，可灵活控制热力图颜色条的样式、位置和功能。若需进一步优化，可参考Matplotlib和Seaborn官方文档中的高级参数设置。