Obtenir les différentes couleurs à partir d'une carte de la couleur dans matplotlib

Vous pouvez le faire avec le code ci-dessous, et le code dans votre question était en fait très proche de ce que vous avez besoin, tout ce que vous avez à faire est d'appeler le cmap objet que vous avez.

import matplotlib

cmap = matplotlib.cm.get_cmap('Spectral')

rgba = cmap(0.5)
print(rgba) # (0.99807766255210428, 0.99923106502084169, 0.74602077638401709, 1.0)

Pour les valeurs hors de l'intervalle [0.0, 1.0] ce sera le retour de la vertu et de la couleur (respectivement). Ce, par défaut, est le minimum et le maximum de la couleur au sein de la gamme (donc 0.0 et 1.0). Cette valeur par défaut peut être changé avec cmap.set_under() et cmap_set_over().

Pour "spéciale" des nombres tels que np.nan et np.inf la valeur par défaut est d'utiliser la valeur 0.0, cela peut être modifié à l'aide de cmap.set_bad() de même pour les dessous et au-dessus comme ci-dessus.

Enfin, il peut être nécessaire pour vous de normaliser vos données tel qu'il est conforme à la gamme [0.0, 1.0]. Cela peut être fait en utilisant matplotlib.couleurs.Normaliser simplement, comme indiqué dans le petit exemple ci-dessous où les arguments vmin et vmax décrire ce que les chiffres doivent être mappés à 0.0 et 1.0).

import matplotlib

norm = matplotlib.colors.Normalize(vmin=10.0, vmax=20.0)

print(norm(15.0)) # 0.5

Logarithmique normaliser (matplotlib.couleurs.LogNorm) est également disponible pour les plages de données avec une large gamme de valeurs.

(Grâce aux deux Joe Kingston Portant et tcaswell pour des suggestions sur la façon d'améliorer la réponse.)

De construire sur les solutions de Ffisegydd et amaliammr, voici un exemple où nous faisons CSV représentation d'une palette de couleurs personnalisée:

#! /usr/bin/env python3
import matplotlib
import numpy as np 
vmin = 0.1
vmax = 1000
norm = matplotlib.colors.Normalize(np.log10(vmin), np.log10(vmax))
lognum = norm(np.log10([.5, 2., 10, 40, 150,1000]))
cdict = {
'red':
(
(0., 0, 0),
(lognum[0], 0, 0),
(lognum[1], 0, 0),
(lognum[2], 1, 1),
(lognum[3], 0.8, 0.8),
(lognum[4], .7, .7),
(lognum[5], .7, .7)
),
'green':
(
(0., .6, .6),
(lognum[0], 0.8, 0.8),
(lognum[1], 1, 1),
(lognum[2], 1, 1),
(lognum[3], 0, 0),
(lognum[4], 0, 0),
(lognum[5], 0, 0)
),
'blue':
(
(0., 0, 0),
(lognum[0], 0, 0),
(lognum[1], 0, 0),
(lognum[2], 0, 0),
(lognum[3], 0, 0),
(lognum[4], 0, 0),
(lognum[5], 1, 1)
)
}
mycmap = matplotlib.colors.LinearSegmentedColormap('my_colormap', cdict, 256)   
norm = matplotlib.colors.LogNorm(vmin, vmax)
colors = {}
count = 0
step_size = 0.001
for value in np.arange(vmin, vmax+step_size, step_size):
count += 1
print("%d/%d %f%%" % (count, vmax*(1./step_size), 100.*count/(vmax*(1./step_size))))
rgba = mycmap(norm(value), bytes=True)
color = (rgba[0], rgba[1], rgba[2])
if color not in colors.values():
colors[value] = color
print ("value, red, green, blue")
for value in sorted(colors.keys()):
rgb = colors[value]
print("%s, %s, %s, %s" % (value, rgb[0], rgb[1], rgb[2]))