静态方法的颜色。LinearSegmentedColormap。from_list可用于创建新的LinearSegmentedColormaps。下面，我在0.2和0.8之间的100个点处对原始颜色贴图进行采样：

cmap(np.linspace(0.2, 0.8, 100))

并使用这些颜色生成新的颜色贴图：

import matplotlib.pyplot as plt
import matplotlib.colors as colors
import numpy as np

def truncate_colormap(cmap, minval=0.0, maxval=1.0, n=100):
    new_cmap = colors.LinearSegmentedColormap.from_list(
        'trunc({n},{a:.2f},{b:.2f})'.format(n=cmap.name, a=minval, b=maxval),
        cmap(np.linspace(minval, maxval, n)))
    return new_cmap

arr = np.linspace(0, 50, 100).reshape((10, 10))
fig, ax = plt.subplots(ncols=2)

cmap = plt.get_cmap('jet')
new_cmap = truncate_colormap(cmap, 0.2, 0.8)
ax[0].imshow(arr, interpolation='nearest', cmap=cmap)
ax[1].imshow(arr, interpolation='nearest', cmap=new_cmap)
plt.show()

左侧的绘图显示了使用原始颜色贴图的图像（在本例中，jet）。右侧的绘图使用new\u cmap显示相同的图像。

我只是最近一个人在努力。以下是一些可能的解决方案：

尝试在绘图函数中使用vmin，vmax关键字参数。例如，假设您的数据介于0和1之间，但不喜欢在0和1的颜色贴图的极端使用的颜色。

import matplotlib.pyplot as plt
import matplotlib.cm as cm

my_cmap = cm.spectral_r
my_cmap.set_over('c')
my_cmap.set_under('m')
plt.pcolor(data, vmin=0.01, vmax=0.99, cmap=my_cmap)

这将迫使整个颜色图用于0.01和0.99之间的值，上面和下面的值将分别是青色和品红色。这可能不能完全解决你的问题，但是如果你喜欢一个特定的颜色贴图，并且希望它在两端都有额外的颜色，它可能会很有用。

如果您真的想更改颜色映射，请查看此处的文档以及此处的LinearSegmentedColormap。

首先，

import matplotlib.cm as cm
cdict = cm.get_cmap('spectral_r')._segmentdata

这将返回组成颜色图的所有颜色的字典。然而，要弄清楚如何修改这本字典是相当棘手的。这个命令有三个键，red， green， Blue。c的[key]返回一个形式为（x， y0， y1）的值列表。让我们来看看的两个连续的元素['red']：

((0.0, 0.0, 0.0)
 (0.5, 1.0, 1.0),...

这意味着z（假设我们正在执行pcolor或imshow）介于0.0和0.5之间的数据，与该数据相关的rgb颜色的红色分量将从0.0（无红色）增加到1.0（最大红色）。这意味着要更改colormap的颜色，您必须检查rgb的三个分量中的每一个是如何在您感兴趣的colormap区域内插值的。只需确保对于每种颜色，第一个和最后一个条目分别以x=0和x=1开头；您必须覆盖[0，1]的整个范围。

如果要更改开始和结束颜色，请尝试

import matplotlib.cm as cm
from matplotlib.colors import LinearSegmentedColormap
cdict = cm.get_cmap('spectral_r')._segmentdata

cdict['red'][0] = (0, 0.5, 0.5) # x=0 for bottom color in colormap
cdict['blue'][0] = (0, 0.5, 0.5) # y=0.5 gray
cdict['green'][0] = (0, 0.5, 0.5) # y1=y for simple interpolation
cdict['red'][-1] = (1, 0.5, 0.5) # x=1 for top color in colormap
cdict['blue'][-1] = (1, 0.5, 0.5)
cdict['green'][-1] = (1, 0.5, 0.5)

my_cmap = LinearSegmentedColormap('name', cdict)

然后在绘图函数中使用此cmap。

我想做的是将spectrum\u rcolormap末尾的灰色更改为纯白色。这是通过使用

# Using imports from above
cdict = matplotlib.cm.get_cmap('spectral_r')._segmentdata
cdict['red'][0] = (0, 1, 1)
cdict['green'][0] = (0, 1, 1)
cdict['blue'][0] = (0, 1, 1)
my_cmap = LinearSegmentedColormap('my_cmap', cdict)

在我的CMasher包中，我提供了get\u sub\u cmap（）-函数(https://cmasher.readthedocs.io/user/usage.html#sub-colormaps），它接受一个colormap和一个范围，并返回一个包含请求范围的新colormap。

因此，例如，如果您希望采用viridiscolormap的20%到80%之间的颜色，您可以使用：

import cmasher as cmr

cmap = cmr.get_sub_cmap('viridis', 0.2, 0.8)

注意：不要使用jet（或CMRmap），因为它们在感知上不是一致的。相反，请使用matplotlib中的5个正确的颜色贴图，或使用cmocean或my CMasher提供的颜色贴图。

编辑：在最新版本的CMasher中，还可以使用相同的函数，通过向函数提供要获取的段数，从任何颜色映射中创建离散/定性颜色映射。例如，如果要创建20%到80%范围内的viridis定性颜色图，可以使用以下方法：

cmap = cmr.get_sub_map('viridis', 0.2, 0.8, N=5)