Придумывая свой пример к основам, вы можете достичь того, чего хотите, расширив диапазон, который вы передаете своему картостроителю. Я думаю, что это зависит от конкретного варианта использования, имеет ли смысл расширять цветовую карту до отрицательных значений. В любом случае, вот полный пример без Basemap и shapefiles, которые не нужны для этой проблемы.
from matplotlib import pyplot as plt, colors as clr, cm
import numpy as np
fig= plt.figure()
ax = plt.subplot2grid((1,20),(0,0), colspan=19)
cax = plt.subplot2grid((1,20),(0,19))
upper = 0.3
lower = 0.0
N = 7
cmap = clr.LinearSegmentedColormap.from_list(
'custom blue', ['#d0dfef', '#24466b'], N=N
)
cmap._init()
cmap._lut[0,: ] = np.array([200,5,5,200])/255.0
norm = clr.Normalize()
mapper = cm.ScalarMappable(norm=norm, cmap=cmap)
deltac = (upper-lower)/(2*(N-1))
mapper.set_array(np.linspace(lower-deltac,upper+deltac,10)) #<-- the 10 here is pretty arbitrary
clb = fig.colorbar(mapper, shrink=0.19, cax=cax)
plt.show()
У меня были некоторые проблемы с вертикальным расширением цветовой шкалы, поэтому я решил использовать ключевое слово cax. Также обратите внимание, что в Python 2 есть небольшая проблема с целочисленными делениями. Поэтому я изменил деление с /255 на /255.0. Конечный результат выглядит так:
Надеюсь, это поможет.
EDIT
Очевидно, что вызов norm() изменяет состояние объекта Normalize. Предоставляя новый объект Normalize конструктору ScalarMappable, код начинает работать так, как задумано. Я все еще сбит с толку, почему это происходит. В любом случае, ниже полного кода для создания графика и цветовой шкалы (обратите внимание, что я изменил размер рисунка и масштабирование цветовой шкалы):
from matplotlib import pyplot as plt, colors as clr, cm
from mpl_toolkits.basemap import Basemap
from matplotlib.patches import Polygon
import pandas as pd
import random
country_iso = ['RU', 'FR', 'HU', 'AT', 'US', 'ES', 'DE', 'CH', 'LV', 'LU']
my_randoms=[random.uniform(0.0, 0.3) for _ in range (len(country_iso))]
df = pd.DataFrame({'iso':country_iso, 'values':my_randoms})
df.loc[df.iso.str.contains('US')]= ['US', 0]
df['binned']=pd.cut(df['values'], bins=[-0.01, 0, 0.05, 0.1, 0.15, 0.2, 0.25, 0.3], labels=[0, 0.05, 0.1, 0.15, 0.2, 0.25, 0.3])
df.binned = pd.to_numeric(df.binned, errors='coerce')
df = df[['iso', 'binned']]
import numpy as np
from matplotlib.collections import PatchCollection
from matplotlib.ticker import FuncFormatter
shapefile_path = 'shapefiles/'
fig, ax = plt.subplots()#figsize=(10,20))
upper = 0.3
lower = 0.0
N = 7
deltac = (upper-lower)/(2*(N-1))
m = Basemap(resolution='c', # c, l, i, h, f or None
projection='mill',
llcrnrlat=-62, urcrnrlat=85,
llcrnrlon=-180, urcrnrlon=180,
ax = ax,
)
m.readshapefile(shapefile_path+r'ne_110m_admin_0_countries', 'areas')
df_poly = pd.DataFrame({
'shapes': [Polygon(np.array(shape), True) for shape in m.areas],
'iso': [gs['ISO_A2'] for gs in m.areas_info]
})
df_poly = df_poly.merge(df, on='iso', how='inner', indicator=True)
cmap = clr.LinearSegmentedColormap.from_list('custom blue', ['#d0dfef', '#24466b'], N=N)
cmap._init()
cmap._lut[0,: ] = np.array([200,5,5,200])/255.0
pc = PatchCollection(df_poly[df_poly[df.columns[1]].notnull()].shapes, zorder=2)
norm = clr.Normalize()
pc.set_facecolor(cmap(norm(df_poly[df_poly[df.columns[1]].notnull()][df.columns[1]].values)))
ax.add_collection(pc)
mapper = cm.ScalarMappable(norm=clr.Normalize(), cmap=cmap)
mapper.set_array([lower-deltac,upper+deltac])
clb = plt.colorbar(mapper, shrink=0.55)
plt.show()
Получившийся сюжет выглядит так:
