我有以下代码：

import matplotlib.pyplot as plt

cdict = {

'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),

'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),

'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))

}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

plt.clf()

plt.pcolor(X, Y, v, cmap=cm)

plt.loglog()

plt.xlabel('X Axis')

plt.ylabel('Y Axis')

plt.colorbar()

plt.show()

因此，这将使用指定的颜色映射在x和y轴上生成一个值'v'的图形。X轴和Y轴是完美的，但是颜色贴图在V的最小值和最大值之间展开。我想强制颜色贴图的范围在0到1之间。

我想用：

plt.axis(...)

设置轴的范围，但这只接受x和y的最小值和最大值的参数，而不接受颜色映射。

编辑：

为了清楚起见，假设我有一个图，其值范围(0…0.3)，以及另一个值为(0.2…0.8)。

在这两个图中，我希望颜色条的范围是(0…1)。在两张图中，我希望使用上面的全部cdict，这一颜色范围是相同的(因此两张图中的0.25将是相同的颜色)。在第一个图形中，0.3到1.0之间的所有颜色都不会出现在图形中，而是会出现在旁边的ColourBar键中。在另一种情况下，0到0.2之间、0.8到1之间的所有颜色都不会出现在图形中，而是出现在侧面的颜色栏中。

参考回复

使用

vmin

和

vmax

强制颜色的范围。下面是一个示例：

import matplotlib as m

import matplotlib.pyplot as plt

import numpy as np

cdict = {

'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),

'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),

'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))

}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)

y = np.arange(0, 10, .1)

X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )

def do_plot(n, f, title):

#plt.clf()

plt.subplot(1, 3, n)

plt.pcolor(X, Y, f(data), cmap=cm, vmin=-4, vmax=4)

plt.title(title)

plt.colorbar()

plt.figure()

do_plot(1, lambda x:x, "all")

do_plot(2, lambda x:np.clip(x, -4, 0), "<0")

do_plot(3, lambda x:np.clip(x, 0, 4), ">0")

plt.show()

参考回复

使用CLIM函数(相当于Matlab中的CAXIS函数)：

plt.pcolor(X, Y, v, cmap=cm)

plt.clim(-4,4)

plt.show()

参考回复

不确定这是否是最优雅的解决方案(这是我使用的)，但您可以将数据缩放到0到1之间的范围，然后修改颜色栏：

import matplotlib as mpl

...

ax, _ = mpl.colorbar.make_axes(plt.gca(), shrink=0.5)

cbar = mpl.colorbar.ColorbarBase(ax, cmap=cm,

norm=mpl.colors.Normalize(vmin=-0.5, vmax=1.5))

cbar.set_clim(-2.0, 2.0)

通过这两个不同的限制，您可以控制颜色栏的范围和图例。在本例中，只有-0.5到1.5之间的范围显示在条形图中，而颜色图覆盖-2到2(因此这可能是您的数据范围，您在缩放之前记录的数据范围)。

因此，不要缩放颜色映射，而是缩放数据并使颜色条与之匹配。

参考回复

使用图形环境和.set_clim()

如果您有多个绘图，此选项可能更简单和安全：

import matplotlib as m

import matplotlib.pyplot as plt

import numpy as np

cdict = {

'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),

'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),

'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))

}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)

y = np.arange(0, 10, .1)

X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )

data1 = np.clip(data,0,6)

data2 = np.clip(data,-6,0)

vmin = np.min(np.array([data,data1,data2]))

vmax = np.max(np.array([data,data1,data2]))

fig = plt.figure()

ax = fig.add_subplot(131)

mesh = ax.pcolormesh(data, cmap = cm)

mesh.set_clim(vmin,vmax)

ax1 = fig.add_subplot(132)

mesh1 = ax1.pcolormesh(data1, cmap = cm)

mesh1.set_clim(vmin,vmax)

ax2 = fig.add_subplot(133)

mesh2 = ax2.pcolormesh(data2, cmap = cm)

mesh2.set_clim(vmin,vmax)

# Visualizing colorbar part -start

fig.colorbar(mesh,ax=ax)

fig.colorbar(mesh1,ax=ax1)

fig.colorbar(mesh2,ax=ax2)

fig.tight_layout()

# Visualizing colorbar part -end

plt.show()

单色条

最好的选择是在整个绘图中使用单色条。有不同的方法可以做到这一点，this教程对于理解最佳选项非常有用。我更喜欢这样的解决方案，您可以简单地复制和粘贴，而不是以前的可视化颜色条部分的代码。

fig.subplots_adjust(bottom=0.1, top=0.9, left=0.1, right=0.8,

wspace=0.4, hspace=0.1)

cb_ax = fig.add_axes([0.83, 0.1, 0.02, 0.8])

cbar = fig.colorbar(mesh, cax=cb_ax)

附笔。

我建议你用

pcolormesh

而不是

pcolor

因为它更快(更infos here)。