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图在X轴和Y轴上生成值“ v”的图形。X和Y轴是完美的，但是颜色图在v的最小值和最大值之间分布。我想强制颜色图的范围在0到1之间。

我想到使用：

plt.axis(...)

设置轴的范围，但这仅接受X和Y的最小值和最大值的参数，而不使用颜色图。

编辑：

为了清楚起见，假设我有一个图的值的范围为（0 ... 0.3），而另一个图的值为（0.2 ... 0.8）。

在两个图中，我都希望颜色条的范围为（0 ... 1）。在两个图中，我希望使用上述整个cdict范围时该颜色范围是相同的（因此，两个图中的0.25将是相同颜色）。在第一个图形中，介于0.3到1.0之间的所有颜色将不会显示在图形中，但是会在侧面的颜色栏键中显示。另一方面，所有介于0和0.2之间以及介于0.8和1之间的颜色都不会出现在图表中，而是会出现在侧面的颜色栏中。

使用vmin并vmax强制使用颜色范围。这是一个例子：

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()

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)  # identical to caxis([-4,4]) in MATLAB
plt.show()

不知道这是否是最优雅的解决方案（这就是我使用的解决方案），但是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)

使用两个不同的限制，您可以控制颜色栏的范围和图例。在此示例中，栏中仅显示-0.5到1.5之间的范围，而色图则覆盖-2到2（因此这可能是您的数据范围，您在缩放之前记录了该范围）。

因此，您不必缩放颜色图，而是可以缩放数据并使颜色条适合该值。

使用图形环境和.set_clim（）

如果您有多个图，可能会更容易，更安全地进行此选择：

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()

单个彩条

最好的选择是对整个图使用单个颜色条。有多种方法可以完成此操作，本教程对于了解最佳选择非常有用。我更喜欢这种解决方案，您只需复制和粘贴即可，而不是之前的可视化颜色栏代码。

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)

聚苯乙烯

我建议使用pcolormesh代替，pcolor因为它速度更快（此处有更多信息）。