您可以使用下面的代码来完成此操作，并且您问题中的代码实际上非常接近您所需要的内容，您所要做的就是调用现有的cmap对象。

import matplotlib

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

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

对于范围[0.0，1.0]之外的值，它将（分别）返回底色和底色。默认情况下，这是范围内的最小和最大颜色（即0.0和1.0）。此默认值可以用cmap.set_under()和cmap.set_over()更改。
对于np.nan和np.inf等“特殊”数字，默认值为0.0，可以使用cmap.set_bad()进行更改，类似于上述的上下。
最后，您可能需要规范化数据，使其符合范围[0.0, 1.0]。这可以使用matplotlib.colors.Normalize来完成，如下面的小示例所示，其中参数vmin和vmax分别描述了应该Map到0.0和1.0的数字。

import matplotlib

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

print(norm(15.0)) # 0.5

对数归一化器（matplotlib.colors.LogNorm）也可用于具有较大范围值的数据范围。

• （感谢Joe Kington和tcaswell就如何改进答案提出建议。）*

为了得到rgba的整数值而不是浮点值，我们可以做

rgba = cmap(0.5,bytes=True)

因此，为了根据Ffisegydd的答案简化代码，代码如下所示：

#import colormap
from matplotlib import cm

#normalize item number values to colormap
norm = matplotlib.colors.Normalize(vmin=0, vmax=1000)

#colormap possible values = viridis, jet, spectral
rgba_color = cm.jet(norm(400),bytes=True) 

#400 is one of value between 0 and 1000

我曾经遇到过一个类似的情况，我需要从一个颜色Map表的颜色"n"号，这样我就可以分配每种颜色给我的数据。我已经编译了一个代码，这个包称为"mycolorpy"。你可以pip安装它使用：

pip install mycolorpy

然后您可以执行以下操作：

from mycolorpy import colorlist as mcp
import numpy as np

示例：从cmap "winter"创建5个十六进制字符串的列表

color1=mcp.gen_color(cmap="winter",n=5)
print(color1)

输出：

['#0000ff', '#0040df', '#0080bf', '#00c09f', '#00ff80']

从cmap bwr生成16个颜色列表的另一个示例：

color2=mcp.gen_color(cmap="bwr",n=16)
print(color2)

输出：

['#0000ff', '#2222ff', '#4444ff', '#6666ff', '#8888ff', '#aaaaff', '#ccccff', '#eeeeff', '#ffeeee', '#ffcccc', '#ffaaaa', '#ff8888', '#ff6666', '#ff4444', '#ff2222', '#ff0000']

有一个带有用法示例的python notebook可以更好地形象化这一点。
假设你想从一个cmap中生成一个颜色列表，这个cmap被规范化为一个给定的数据，你可以使用：

a=random.randint(1000, size=(200))
a=np.array(a)
color1=mcp.gen_color_normalized(cmap="seismic",data_arr=a)
plt.scatter(a,a,c=color1)

输出：

也可以使用以下命令反转颜色：

color1=mcp.gen_color_normalized(cmap="seismic",data_arr=a,reverse=True)
plt.scatter(a,a,c=color1)

输出：

我正是遇到了这个问题，但我需要连续的图具有高度对比的颜色。我还使用包含参考数据的公共子图来绘制图，所以我希望颜色序列能够一致地重复。
我最初尝试简单地随机生成颜色，在每幅图之前重新植入RNG。这工作正常（在下面的代码中注解掉），但可能生成几乎无法区分的颜色。我想要高对比度的颜色，理想情况下从包含所有颜色的色图中采样。
我在一张图中可以有多达31个数据序列，所以我把色彩Map图分成了这么多个步骤，然后我按照一定的顺序执行这些步骤，以确保我不会很快回到给定颜色的邻域。
我的数据是在一个高度不规则的时间序列，所以我想看到的点和线，与点有'相反'的颜色的线。
考虑到上述所有情况，最简单的方法是生成一个字典，其中包含用于绘制单个序列的相关参数，然后将其作为调用的一部分展开。
这是我的代码，也许不漂亮，但功能齐全。

from matplotlib import cm
cmap = cm.get_cmap('gist_rainbow')  #('hsv') #('nipy_spectral')

max_colors = 31   # Constant, max mumber of series in any plot.  Ideally prime.
color_number = 0  # Variable, incremented for each series.

def restart_colors():
    global color_number
    color_number = 0
    #np.random.seed(1)

def next_color():
    global color_number
    color_number += 1
    #color = tuple(np.random.uniform(0.0, 0.5, 3))
    color = cmap( ((5 * color_number) % max_colors) / max_colors )
    return color

def plot_args():  # Invoked for each plot in a series as: '**(plot_args())'
    mkr = next_color()
    clr = (1 - mkr[0], 1 - mkr[1], 1 - mkr[2], mkr[3])  # Give line inverse of marker color
    return {
        "marker": "o",
        "color": clr,
        "mfc": mkr,
        "mec": mkr,
        "markersize": 0.5,
        "linewidth": 1,
    }

我的上下文是JupyterLab和Pandas，所以下面是示例图代码：

restart_colors()  # Repeatable color sequence for every plot

fig, axs = plt.subplots(figsize=(15, 8))
plt.title("%s + T-meter"%name)

# Plot reference temperatures:
axs.set_ylabel("°C", rotation=0)
for s in ["T1", "T2", "T3", "T4"]:
    df_tmeter.plot(ax=axs, x="Timestamp", y=s, label="T-meter:%s" % s, **(plot_args()))

# Other series gets their own axis labels
ax2 = axs.twinx()
ax2.set_ylabel(units)

for c in df_uptime_sensors:
    df_uptime[df_uptime["UUID"] == c].plot(
        ax=ax2, x="Timestamp", y=units, label="%s - %s" % (units, c), **(plot_args())
    )

fig.tight_layout()
plt.show()

生成的图可能不是最佳示例，但在交互放大时会变得更加相关。

为了在Ffisegydd和amaliammr解决方案的基础上构建，下面是一个示例，我们为自定义色彩Map表创建CSV表示：

#! /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]))

色彩Map表自带归一化方法，因此如果您已经绘制了图，则可以访问特定值的颜色。

import matplotlib.pyplot as plt
import numpy as np

cmap = plt.cm.viridis

cm = plt.pcolormesh(np.random.randn(10, 10), cmap=cmap)

print(cmap(cm.norm(2.2)))

如果你想玩得又快又脏，你可以直接使用Map，或者你也可以按照@amaliammr说的去做。

data_size = 23   # range 0..23
colors = plt.cm.turbo
color_normal = colours.N/data_size

for i in range(data_size):
    col = colours.colors[int(i*color_normal)]