色彩Map表基本上只是你可以调用的插值函数。它们将区间[0，1]中的值Map到颜色。所以你可以从两个Map中采样颜色，然后合并组合它们：

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

data = np.random.rand(10,10) * 2 - 1

# sample the colormaps that you want to use. Use 128 from each so we get 256
# colors in total
colors1 = plt.cm.binary(np.linspace(0., 1, 128))
colors2 = plt.cm.gist_heat_r(np.linspace(0, 1, 128))

# combine them and build a new colormap
colors = np.vstack((colors1, colors2))
mymap = mcolors.LinearSegmentedColormap.from_list('my_colormap', colors)

plt.pcolor(data, cmap=mymap)
plt.colorbar()
plt.show()

字符串
结果：x1c 0d1x

注意事项：我知道你可能有特殊的需求，但在我看来，这不是一个好方法：你将如何区分-0.1和0.9？-0.9和0.1？

防止这种情况的一种方法是仅从~0.2到~0.8（例如：colors1 = plt.cm.binary(np.linspace(0.2, 0.8, 128))）对贴图进行采样，这样它们就不会一直到黑色：

的

我同意公认的答案，但为了不只是在~0.2到~0.8之间采样，你可以例如反转二进制色图。下面是如何做到这一点。

colors1 = plt.cm.binary_r(np.linspace(0., 1, 128))
colors2 = plt.cm.gist_heat_r(np.linspace(0, 1, 128))

colors = np.vstack((colors1, colors2))
mymap = mcolors.LinearSegmentedColormap.from_list('my_colormap', colors)

plt.pcolor(data, cmap=mymap)
plt.colorbar()
plt.show()

字符串
主要变化是将plt.cm.binary替换为plt.cm.binary_r。