a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))
fig = plt.figure(figsize = (22,6))
norm = matplotlib.colors.Normalize(vmin=0, vmax=15)
plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)
c1 = plt.colorbar(h1)
plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)
c2 = plt.colorbar(h2)
plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)
c3 = plt.colorbar(h3)
plt.show()
如上图，可以实现相同数值大小对应相同的颜色；
但是这样还是不太好看。最好是能够 每个子图的 colorbar的范围都一样(即从0-15)；
那有同学想，是否可以只显示最后一个子图的colorbar，作为全局colorbar呢；这个当然也是可以的。
但是会带来一个问题，由于每个子图的大小(无论是否包含colorbar)是一样的，会使得图形大小看起来不一样，很不美观；
a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))
fig = plt.figure(figsize = (22,6))
levels = np.arange(0,17,2)
plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,levels = levels)
c1 = plt.colorbar(h1)
plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,levels = levels)
c2 = plt.colorbar(h2)
plt.subplot(1,3,
3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,levels = levels)
c3 = plt.colorbar(h3)
plt.show()
上面虽然设置了 norm，但是使用plt.contourf还是达不到我们的要求。链接3 给了我们一个示例，使用plt.imshow() + norm可以解决这个问题。按照他的思路，我们重复上面的试验。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
# matplotlib.rcParams['xtick.direction'] = 'out'
# matplotlib.rcParams['ytick.direction'] = 'out'
a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))
fig = plt.figure(figsize = (22,6),dpi=72, facecolor="white")
#将横纵坐标都映射到（0，1）的范围内
extent=(0,1,0,1)
vmin=0
vmax=15
#将颜色映射到 vmin~vmax 之间
norm = matplotlib.colors.Normalize(vmin=0, vmax=15)
ax1 = plt.subplot(1,3,1)
ax1.cla()
h1 = plt.imshow(a1,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)
c1 = plt.colorbar(h1)
plt.subplot(1,3,2)
h2 = plt.imshow(a2,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)
c2 = plt.colorbar(h2)
plt.subplot(1,3,3)
h3 = plt.imshow(a3,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)
c3 = plt.colorbar(h3)
font = {'family' : 'serif',
'color' : 'darkred',
'weight' : 'normal',
'size' : 16,
c3.set_label('$T_B(K)$',fontdict=font)
c3.set_ticks(np.arange(vmin,vmax,2))
c3.set_ticklabels(np.arange(vmin,vmax,2))
plt.show()
如上图，虽然使用plt.imshow可以解决这个问题，但是用带来了一些新问题：
- 在画子图的时候，colorbar的长度和子图的长度不一致；在单独画一个图的时候，并不存在这样的问题
- plt.imshow()是逐像素画图的，相比plt.contourf，分辨率很低，并不适合科研上的等值线作图。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))
fig = plt.figure(figsize = (22,6))
norm = matplotlib.colors.Normalize(vmin=0, vmax=15)
plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)
plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)
plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)
fig.subplots_adjust(right=0.9)
l = 0.92
b = 0.12
w = 0.015
h = 1 - 2*b
rect = [l,b,w,h]
cbar_ax = fig.add_axes(rect)
cb = plt.colorbar(h3, cax=cbar_ax)
cb.ax.tick_params(labelsize=16)
font = {'family' : 'serif',
'color' : 'black',
'weight' : 'normal',
'size' : 16,
cb.set_label('T' ,fontdict=font)
plt.show()
如上，是不是很漂亮了。后续适当做一些 坐标、字体等的基本设置，就完成了一张科研图的绘制！
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))
fig = plt.figure(figsize = (22,6))
norm = matplotlib.colors.Normalize(vmin=0, vmax=15)
plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)
plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)
plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)
fig.subplots_adjust(right=0.9)
l = 0.92
b = 0.12
w = 0.015
h = 1 - 2*b
rect = [l,b,w,h]
cbar_ax = fig.add_axes(rect)
cb = plt.colorbar(h3, cax=cbar_ax)
cb.ax.tick_params(labelsize=16)
font = {'family' : 'serif',
'color' : 'black',
'weight' : 'normal',
'size' : 16,
cb.set_label('T' ,fontdict=font)
plt.show()
如上，是不是很漂亮了。后续适当做一些 坐标、字体等的基本设置，就完成了一张科研图的绘制！
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
fig, axes = plt.subplots(nrows=2, ncols=2,figsize = (12,10))
a_list = [5,10,15,20]
vmin = 0
vmax = 20
norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)
for a,ax in zip(a_list,axes.flat):
data = np.random.randint(0,a,size = (20,20))
im = ax.contourf(data,norm = norm)
fig.subplots_adjust(right=0.8)
l = 0.85
b = 0.12
w = 0.05
h = 1 - 2*b
rect = [l,b,w,h]
cbar_ax = fig.add_axes(rect)
cb = fig.colorbar(im, cax = cbar_ax)
cb.ax.tick_params(labelsize=16)
font = {'family' : 'serif',
'color' : 'black',
'weight' : 'normal',
'size' : 16,
cb.set_label('T' ,fontdict=font)
plt.show()
上述两种方式都存在一个潜在的问题。
在添加colorbar的时，是使用最后一个子图的所在的数值范围。我们来看几种情况。
最后一张子图的数据范围决定了colorbar上显示的刻度的范围。
norm范围决定了colorbar颜色变化范围。
为了保证colorbar能覆盖所有子图的范围，应该使得 norm范围与设置colorbar时对应的子图im 的数值范围一致，并且所有子图的数值范围应该都在norm范围之内。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bI7GRXmn-1582701105492)(matplotlib 合理设置colorbar和子图的对应关系.assets/image-20200226135804785.png)]
因此有一个蠢办法：
-
即另外建一个fig2 , 这个fig2对应的数据范围包括fig1的数据范围。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
fig1, axes = plt.subplots(nrows=2, ncols=2,figsize = (10,8))
a_list = [5,10,20,15]
vmin = 0
vmax = 20
norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)
for a,ax in zip(a_list,axes.flat):
data = np.random.randint(0,a,size = (20,20))
im = ax.contourf(data,norm = norm)
fig1.subplots_adjust(right=0.8)
l = 0.85
b = 0.12
w = 0.05
h = 1 - 2*b
rect = [l,b,w,h]
cbar_ax = fig1.add_axes(rect)
fig2 = plt.figure(figsize = (18,6))
all_data = np.random.randint(vmin,vmax,size = (20,20))
h4 = plt.contourf(all_data,norm = norm)
cb = fig1.colorbar(h4, cax = cbar_ax)
cb.ax.tick_params(labelsize=16)
font = {'family' : 'serif',
'color' : 'black',
'weight' : 'normal',
'size' : 16,
cb.set_label('T' ,fontdict=font)
plt.show()
对比上述情况2的图片，情况有所改善，但是吊了一个尾巴。
import numpy as np
import matplotlib.pyplot as plt
a_list = [5,10,20,15]
vmin = 0
vmax = 20
norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)
fig, axes = plt.subplots(nrows=2, ncols=2)
for a,ax in zip(a_list,axes.flat):
data = np.random.randint(0,a,size = (20,20))
im = ax.imshow(data , vmin = vmin, vmax = vmax )
fig.colorbar(im, ax=axes.ravel().tolist())
plt.show()
使用这个方法可以解决上述情况2的问题，不需要吊个尾巴啦！
至于使用plt.imshow 和 plt.contourf，看各自喜好！另外，建议多看看官网例子。
[1] 解决python画图中colorbar设置刻度和标签字体大小
[2] 使用matplotlib的示例：调整字体-设置刻度、坐标、colormap和colorbar等
[3] matplotlib官网例子
🌈颜色，不仅是视觉的享受，更是数据可视化的灵魂！在Matplotlib的世界里，plt.colorbar就像一根魔法棒，为你的图表增添色彩和深度。🎨
🌟从入门到精通，本文带你探索plt.colorbar的奥秘！无论是简单应用还是高级定制，你都能在这里找到答案。🛠️
🔍详解plt.colorbar的关键参数，如extend、orientation和ticks，让你的颜色条更加精准、生动！🌈
cm1 = plt.cm.get_cmap('RdYlBu')
cm2 = plt.cm.get_cmap('RdYlBu_r') # RdYlBu_r末尾加r表示颜色取反
x=np.random.randn(50)
y=np.random.randn(50)
plt.figure()
转载于：Matplotlib 系列：colorbar 的设置
该文为我很及时的解决了我的烦恼，再次向作者致意~
作者一直在持续更新python系列，请支持原作者，文章来源：炸鸡人博客
0. 前言
承接 Matplotlib 系列：colormap 的设置 一文，这次介绍 colorbar。所谓 colorbar 即主图旁一个长条状的小图，能够辅助表示主图中 colormap 的颜色组成和颜色与数值的对应关系。本文将会依次介绍 colorbar 的基本用法、如何设置刻度，以及怎么为组图添加 colorbar。
几种图像读取方式总结
import matplotlib.image as img ：img.imread（）
import PIL.Image as Img ：Img.open（）
import tensorflow as tf ：tf.read_file（）
import cv2：cv2.imread()
需要注意：一、对于低版本的tf，需要将图片经过tf.Session()执行
二、cv2读取文件中不能有中文字符
三、cv2读取三通道和单通道的不同
四、cv2的取的图片文件使用cv.imshow
python很火，因为有各种库的支持，所以功能格外强大。在可视化方面，目前用得较多的是matplotlib.
在基于matplotlib.pyplot画带色标(colorbar)的图时候，往往为了美观和科研用途，需要对colorbar的Ticks(刻度) ，标签(label)和fonddict(字体进行设置)。但是很多初学者都苦于这些东西的设置，因为太麻烦了(别问我怎么知道的)。以下将介绍...
通过调整width参数可以控制颜色条的宽度，通过height参数可以控制颜色条的高度。在示例中，我将宽度设置为图形宽度的5%（“5%”），高度设置为图形高度的100%（“100%”），你可以根据需要自行调整这些值。colorbar()函数是用于在图形中添加颜色条的方法之一，它可以接受一些参数以控制颜色条的外观和布局。**问：**上面这个脚本中我试了好像没有吧colorbar的大小进行调节，只是调节了字体等，能不能把colorbar的主体大小也进行调节。通过以上方法，你可以自定义颜色条的大小来满足你的需求。
