如何为所有子图设置一个颜色条

只需将颜色条放在它自己的轴上并使用 subplots_adjust 为其腾出空间。

举个简单的例子：

import numpy as np
import matplotlib.pyplot as plt

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)

fig.subplots_adjust(right=0.8)
cbar_ax = fig.add_axes([0.85, 0.15, 0.05, 0.7])
fig.colorbar(im, cax=cbar_ax)

plt.show()

https://i.stack.imgur.com/vsugg.png

请注意，即使值的范围由 vmin 和 vmax 设置，颜色范围也将由绘制的最后一张图像（产生 im）设置。例如，如果另一个图的最大值更高，则值高于 im 最大值的点将以统一颜色显示。

---

您可以使用 figure.colorbar() 的 ax 参数和轴列表来简化 Joe Kington 的代码。从 the documentation：

斧头 无 |父坐标轴对象，新颜色条坐标轴的空间将从该对象中被盗。如果给出了轴列表，它们都将被调整大小，以便为颜色条轴腾出空间。

import numpy as np
import matplotlib.pyplot as plt

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)

fig.colorbar(im, ax=axes.ravel().tolist())

plt.show()

https://i.stack.imgur.com/5xy3E.png

---

此解决方案不需要手动调整轴位置或颜色条大小，适用于多行 和 单行布局，并且适用于 tight_layout()。它改编自 gallery example，使用 matplotlib 的 AxesGrid Toolbox 中的 ImageGrid。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid

# Set up figure and image grid
fig = plt.figure(figsize=(9.75, 3))

grid = ImageGrid(fig, 111,          # as in plt.subplot(111)
                 nrows_ncols=(1,3),
                 axes_pad=0.15,
                 share_all=True,
                 cbar_location="right",
                 cbar_mode="single",
                 cbar_size="7%",
                 cbar_pad=0.15,
                 )

# Add data to image grid
for ax in grid:
    im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)

# Colorbar
ax.cax.colorbar(im)
ax.cax.toggle_label(True)

#plt.tight_layout()    # Works, but may still require rect paramater to keep colorbar labels visible
plt.show()

https://i.stack.imgur.com/ElmDT.png

---

使用 make_axes 更容易，并提供更好的结果。它还提供了自定义颜色条位置的可能性。另请注意 subplots 的选项以共享 x 和 y 轴。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

fig, axes = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
for ax in axes.flat:
    im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)

cax,kw = mpl.colorbar.make_axes([ax for ax in axes.flat])
plt.colorbar(im, cax=cax, **kw)

plt.show()

https://i.stack.imgur.com/7IQdB.png

---

作为一个偶然发现这个线程的初学者，我想添加一个 python-for-dummies 改编 abevieiramota 的非常简洁的答案（因为我处于必须查找“ravel”才能弄清楚他们的代码的水平正在做）：

import numpy as np
import matplotlib.pyplot as plt

fig, ((ax1,ax2,ax3),(ax4,ax5,ax6)) = plt.subplots(2,3)

axlist = [ax1,ax2,ax3,ax4,ax5,ax6]

first = ax1.imshow(np.random.random((10,10)), vmin=0, vmax=1)
third = ax3.imshow(np.random.random((12,12)), vmin=0, vmax=1)

fig.colorbar(first, ax=axlist)

plt.show()

对于像我这样的新手来说，更容易看到这里实际发生的事情。

---

正如在其他答案中指出的那样，这个想法通常是为颜色栏定义一个轴。有多种方法可以这样做；尚未提及的一种方法是在使用 plt.subplots() 创建子图时直接指定颜色条轴。优点是不需要手动设置轴位置，并且在所有自动方面的情况下，颜色条将与子图的高度完全相同。即使在许多使用图像的情况下，结果也会令人满意，如下所示。

使用 plt.subplots() 时，使用 gridspec_kw 参数允许使颜色条轴比其他轴小得多。

fig, (ax, ax2, cax) = plt.subplots(ncols=3,figsize=(5.5,3), 
                  gridspec_kw={"width_ratios":[1,1, 0.05]})

例子：

import matplotlib.pyplot as plt
import numpy as np; np.random.seed(1)

fig, (ax, ax2, cax) = plt.subplots(ncols=3,figsize=(5.5,3), 
                  gridspec_kw={"width_ratios":[1,1, 0.05]})
fig.subplots_adjust(wspace=0.3)
im  = ax.imshow(np.random.rand(11,8), vmin=0, vmax=1)
im2 = ax2.imshow(np.random.rand(11,8), vmin=0, vmax=1)
ax.set_ylabel("y label")

fig.colorbar(im, cax=cax)

plt.show()

https://i.stack.imgur.com/fRzZK.png

如果绘图的纵横比是自动缩放的，或者图像由于宽度方向的纵横比而缩小（如上所示），则此方法效果很好。但是，如果图像宽然后高，结果将如下所示，这可能是不希望的。

https://i.stack.imgur.com/BUrXg.png

将颜色条高度固定为子图高度的解决方案是使用 mpl_toolkits.axes_grid1.inset_locator.InsetPosition 设置相对于图像子图轴的颜色条轴。

import matplotlib.pyplot as plt
import numpy as np; np.random.seed(1)
from mpl_toolkits.axes_grid1.inset_locator import InsetPosition

fig, (ax, ax2, cax) = plt.subplots(ncols=3,figsize=(7,3), 
                  gridspec_kw={"width_ratios":[1,1, 0.05]})
fig.subplots_adjust(wspace=0.3)
im  = ax.imshow(np.random.rand(11,16), vmin=0, vmax=1)
im2 = ax2.imshow(np.random.rand(11,16), vmin=0, vmax=1)
ax.set_ylabel("y label")

ip = InsetPosition(ax2, [1.05,0,0.05,1]) 
cax.set_axes_locator(ip)

fig.colorbar(im, cax=cax, ax=[ax,ax2])

plt.show()

https://i.stack.imgur.com/0qZ8G.png

---

共享颜色图和颜色条

这是针对更复杂的情况，其中值不仅在 0 和 1 之间；需要共享 cmap 而不是仅使用最后一个。

import numpy as np
from matplotlib.colors import Normalize
import matplotlib.pyplot as plt
import matplotlib.cm as cm
fig, axes = plt.subplots(nrows=2, ncols=2)
cmap=cm.get_cmap('viridis')
normalizer=Normalize(0,4)
im=cm.ScalarMappable(norm=normalizer)
for i,ax in enumerate(axes.flat):
    ax.imshow(i+np.random.random((10,10)),cmap=cmap,norm=normalizer)
    ax.set_title(str(i))
fig.colorbar(im, ax=axes.ravel().tolist())
plt.show()

https://i.stack.imgur.com/cxdGV.png

---

matplotlib 3.4.0 中的新功能

现在可以使用子图实现共享颜色条：

新的 Figure.subfigures 和 Figure.add_subfigure 允许......仅与每个子图相关的本地化图形艺术家（例如，颜色条和字幕）。

matplotlib 库包含 how to plot subfigures 上的演示。

这是一个包含 2 个子图的最小示例，每个子图都有一个共享的颜色条：

https://i.stack.imgur.com/qPuza.png

fig = plt.figure(constrained_layout=True)
(subfig_l, subfig_r) = fig.subfigures(nrows=1, ncols=2)

axes_l = subfig_l.subplots(nrows=1, ncols=2, sharey=True)
for ax in axes_l:
    im = ax.imshow(np.random.random((10, 10)), vmin=0, vmax=1)

# shared colorbar for left subfigure
subfig_l.colorbar(im, ax=axes_l, location='bottom')

axes_r = subfig_r.subplots(nrows=3, ncols=1, sharex=True)
for ax in axes_r:
    mesh = ax.pcolormesh(np.random.randn(30, 30), vmin=-2.5, vmax=2.5)

# shared colorbar for right subfigure
subfig_r.colorbar(mesh, ax=axes_r)

---

abevieiramota 使用轴列表的解决方案效果很好，直到您只使用一行图像，正如评论中指出的那样。为 figsize 使用合理的纵横比会有所帮助，但仍远非完美。例如：

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(9.75, 3))
for ax in axes.flat:
    im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)

fig.colorbar(im, ax=axes.ravel().tolist())

plt.show()

https://i.stack.imgur.com/3H7s7.png

colorbar function 提供 shrink 参数，它是颜色条轴大小的比例因子。它确实需要一些手动试验和错误。例如：

fig.colorbar(im, ax=axes.ravel().tolist(), shrink=0.75)

https://i.stack.imgur.com/OhAry.png

---

要添加到@abevieiramota 的出色答案，您可以使用 constrained_layout 获得tight_layout 的等价物。如果使用 imshow 而不是 pcolormesh，由于 imshow 的纵横比为 1:1，您仍然会得到较大的水平间隙。

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2, constrained_layout=True)
for ax in axes.flat:
    im = ax.pcolormesh(np.random.random((10,10)), vmin=0, vmax=1)

fig.colorbar(im, ax=axes.flat)
plt.show()

https://i.stack.imgur.com/MxorU.png

---

我注意到几乎每个发布的解决方案都涉及 ax.imshow(im, ...)，并且没有标准化显示到颜色栏的多个子图的颜色。 im 可映射对象取自最后一个实例，但如果多个 im-s 的值不同怎么办？ （我假设这些可映射对象的处理方式与处理轮廓集和表面集的方式相同。）我有一个使用下面的 3d 表面图的示例，它为 2x2 子图创建两个颜色条（每行一个颜色条）。虽然这个问题明确要求不同的安排，但我认为这个例子有助于澄清一些事情。不幸的是，由于 3D 轴，我还没有找到使用 plt.subplots(...) 的方法。

https://i.stack.imgur.com/EMxZ1.png

如果我能以更好的方式定位颜色条……（可能有更好的方法可以做到这一点，但至少应该不会太难遵循。）

import matplotlib
from matplotlib import cm
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

cmap = 'plasma'
ncontours = 5

def get_data(row, col):
    """ get X, Y, Z, and plot number of subplot
        Z > 0 for top row, Z < 0 for bottom row """
    if row == 0:
        x = np.linspace(1, 10, 10, dtype=int)
        X, Y = np.meshgrid(x, x)
        Z = np.sqrt(X**2 + Y**2)
        if col == 0:
            pnum = 1
        else:
            pnum = 2
    elif row == 1:
        x = np.linspace(1, 10, 10, dtype=int)
        X, Y = np.meshgrid(x, x)
        Z = -np.sqrt(X**2 + Y**2)
        if col == 0:
            pnum = 3
        else:
            pnum = 4
    print("\nPNUM: {}, Zmin = {}, Zmax = {}\n".format(pnum, np.min(Z), np.max(Z)))
    return X, Y, Z, pnum

fig = plt.figure()
nrows, ncols = 2, 2
zz = []
axes = []
for row in range(nrows):
    for col in range(ncols):
        X, Y, Z, pnum = get_data(row, col)
        ax = fig.add_subplot(nrows, ncols, pnum, projection='3d')
        ax.set_title('row = {}, col = {}'.format(row, col))
        fhandle = ax.plot_surface(X, Y, Z, cmap=cmap)
        zz.append(Z)
        axes.append(ax)

## get full range of Z data as flat list for top and bottom rows
zz_top = zz[0].reshape(-1).tolist() + zz[1].reshape(-1).tolist()
zz_btm = zz[2].reshape(-1).tolist() + zz[3].reshape(-1).tolist()
## get top and bottom axes
ax_top = [axes[0], axes[1]]
ax_btm = [axes[2], axes[3]]
## normalize colors to minimum and maximum values of dataset
norm_top = matplotlib.colors.Normalize(vmin=min(zz_top), vmax=max(zz_top))
norm_btm = matplotlib.colors.Normalize(vmin=min(zz_btm), vmax=max(zz_btm))
cmap = cm.get_cmap(cmap, ncontours) # number of colors on colorbar
mtop = cm.ScalarMappable(cmap=cmap, norm=norm_top)
mbtm = cm.ScalarMappable(cmap=cmap, norm=norm_btm)
for m in (mtop, mbtm):
    m.set_array([])

# ## create cax to draw colorbar in
# cax_top = fig.add_axes([0.9, 0.55, 0.05, 0.4])
# cax_btm = fig.add_axes([0.9, 0.05, 0.05, 0.4])
cbar_top = fig.colorbar(mtop, ax=ax_top, orientation='vertical', shrink=0.75, pad=0.2) #, cax=cax_top)
cbar_top.set_ticks(np.linspace(min(zz_top), max(zz_top), ncontours))
cbar_btm = fig.colorbar(mbtm, ax=ax_btm, orientation='vertical', shrink=0.75, pad=0.2) #, cax=cax_btm)
cbar_btm.set_ticks(np.linspace(min(zz_btm), max(zz_btm), ncontours))

plt.show()
plt.close(fig)
## orientation of colorbar = 'horizontal' if done by column

---

这个主题已经很好地涵盖了，但我仍然想以稍微不同的理念提出另一种方法。

设置有点复杂，但它允许（在我看来）更多的灵活性。例如，可以使用每个子图/颜色条的各自比率：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.gridspec import GridSpec

# Define number of rows and columns you want in your figure
nrow = 2
ncol = 3

# Make a new figure
fig = plt.figure(constrained_layout=True)

# Design your figure properties
widths = [3,4,5,1]
gs = GridSpec(nrow, ncol + 1, figure=fig, width_ratios=widths)

# Fill your figure with desired plots
axes = []
for i in range(nrow):
    for j in range(ncol):
        axes.append(fig.add_subplot(gs[i, j]))
        im = axes[-1].pcolormesh(np.random.random((10,10)))

# Shared colorbar    
axes.append(fig.add_subplot(gs[:, ncol]))
fig.colorbar(im, cax=axes[-1])

plt.show()

https://i.stack.imgur.com/r1eEc.png

---

上面的答案很好，但大多数都使用应用于 fig 对象的 fig.colobar() 方法。此示例说明如何使用直接应用于 pyplot 的 plt.colobar() 函数：

def shared_colorbar_example():
    fig, axs = plt.subplots(nrows=3, ncols=3)
    for ax in axs.flat:
        plt.sca(ax)
        color = np.random.random((10))
        plt.scatter(range(10), range(10), c=color, cmap='viridis', vmin=0, vmax=1)
    plt.colorbar(ax=axs.ravel().tolist(), shrink=0.6)
    plt.show()

shared_colorbar_example()

由于上面的大多数答案都展示了二维矩阵的用法，因此我使用了一个简单的散点图。 shrink 关键字是可选的，用于调整颜色条的大小。

如果未指定 vmin 和 vmax，则此方法将自动分析所有子图，以确定要在颜色栏上使用的最小值和最大值。使用 fig.colorbar(im) 时，上述方法仅扫描作为颜色条最小值和最大值参数传递的图像。

结果：

https://i.stack.imgur.com/6nO0A.png

---