matplotlib 调整colorbar的区间

可以使用 vmin 和 vmax 参数来调整 colorbar 的区间。
示例代码：
import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制图像
fig, ax = plt.subplots()
im = ax.imshow(y.reshape(-1, 1), cmap='coolwarm')

# 添加colorbar，并设置区间范围
cbar = fig.colorbar(im)
cbar.set_ticks([-1, 0, 1])
cbar.set_ticklabels(['Low', 'Medium', 'High'])
cbar.set_clim(vmin=-1, vmax=1)

plt.show()
登录后复制
运行结果：

相关问题

matplotlib的colorbar色条

如何在 Matplotlib 中设置和自定义 Colorbar 色条
使用 Colorbar 类创建基于现有图像的颜色条
对于大多数情况，当有一个已经绘制好的图形对象（mappable），可以直接通过调用 plt.colorbar() 或者 figure.colorbar(mappable) 来快速添加一个默认配置下的颜色条[^1]。
import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
pcm = ax.pcolormesh(np.random.rand(10, 10))
fig.colorbar(pcm, ax=ax)
plt.show()
登录后复制
利用 ColorbarBase 实现完全独立的 Colorbar 定制化设计
如果希望构建一个不依赖于具体绘图实例的颜色条，则需借助 mpl.colorbar.ColorbarBase 类来完成这一目标。这种方式提供了极大的灵活性，允许开发者精确控制每一个细节，比如边界范围、离散区间划分等特性[^2]。
from mpl_toolkits.axes_grid1 import make_axes_locatable
import matplotlib.pyplot as plt
import matplotlib.colors as colors
import numpy as np

# 创建一个新的 figure 和 axis 对象用于放置 colorbar
fig, _ = plt.subplots()

# 构建辅助工具帮助我们更方便地定位新加入的 axes
divider = make_axes_locatable(fig.gca())

# 新增一个小区域专门用来显示 colorbar
cax = divider.append_axes('right', size='5%', pad=0.05)

# 初始化 colormap 并指定其映射规则
norm = colors.Normalize(vmin=-4000, vmax=10000)

# 基于上述设定生成 colorbar
cb = plt.colorbar(
cm.ScalarMappable(norm=norm),
cax=cax,
orientation='vertical'
)

plt.show()
登录后复制
为了进一步增强定制能力，还可以调整更多属性：

Colormap: 更改使用的色彩方案；
Ticks and Tick Labels: 修改刻度位置及其标签文字；
Boundaries & Extend: 设置分级界限并决定超出边界的处理方式；

这些都可以通过对相应参数赋值实现个性化修改[^3]。

matplotlib 色条

如何在 Matplotlib 中添加和自定义色条
添加默认色条
为了向图像添加颜色条，可以使用 fig.colorbar() 方法。下面是一个简单的例子展示如何绘制带有颜色条的热力图：
import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = np.linspace(-3, 3, 100)
y = np.linspace(-3, 3, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X ** 2 + Y ** 2))

# 创建图形对象并获取当前坐标轴
fig, ax = plt.subplots()

# 使用imshow函数显示矩阵作为图片，并指定颜色映射表为'viridis'
cax = ax.imshow(Z, interpolation='nearest', cmap='viridis')

# 向图表中加入颜色条
fig.colorbar(cax)

# 设置标题
ax.set_title('Default Colormap with Colorbar')

plt.show()
登录后复制
此段代码展示了怎样通过调用fig.colorbar()方法给由imshow()生成的画面增加一个垂直方向的颜色条[^1]。
自定义单个子图中的色条
当处理多个子图时，可以通过设置特定位置参数来自定义单一共享的颜色条:
import numpy as np
import matplotlib.pyplot as plt

# 初始化画布布局
fig, axes = plt.subplots(nrows=2, ncols=2)

for ax in axes.flat:
im = ax.imshow(np.random.random((10, 10)), vmin=0, vmax=1)

# 调整右侧空间以便放置公共颜色条
fig.subplots_adjust(right=0.8)

# 定义颜色条的位置（左边界、下边界、宽度、高度）
cbar_ax = fig.add_axes([0.85, 0.15, 0.05, 0.7])

# 将选定的图像传递给colorbar(), 并指明其所在区域
fig.colorbar(im, cax=cbar_ax)

plt.show()
登录后复制
这段脚本说明了如果想要让几个不同的子图共用同一个颜色条，则需先预留足够的空白区用于容纳该组件，再利用add_axes()定位它的确切范围[^2]。
应用自定义渐变色彩方案
对于更复杂的场景，可能希望创建独特的颜色过渡效果。这可通过构建线性分段型Colormap实例完成，允许精确控制每一段之间的转换关系：
from matplotlib.colors import LinearSegmentedColormap
import matplotlib.pyplot as plt
import numpy as np

colors = ["#FFAAAA", "#AAFFAA", "#AAF0FF"] # RGB Hex Codes
n_bins = [100] * len(colors) # 分割区间数量列表
cm = LinearSegmentedColormap.from_list(name="custom_cmap", colors=colors, N=sum(n_bins))
norm = plt.Normalize(vmin=-1., vmax=1.)

data = np.outer(np.arange(0, 3, 0.01), np.ones(300))
im = plt.imshow(data, cmap=cm, norm=norm)

plt.colorbar(im, orientation='vertical')
plt.title("Custom Gradient Colors")

plt.show()
登录后复制
上述程序片段解释了怎样基于一组预设好的RGB十六进制码建立新的连续色调变化模式，并将其应用于实际绘图操作之中[^3]。