在matplotlib中控制colorbar的长度
使用matplotlib绘制带颜色的箭头图，有时想直接把颜色条拿来当比例尺条，就需要控制颜色条的长度。
1. pyplot.colorbar()参数说明
pyplot.colorbar(mappable, ax, cax, **kwargs)
mappable是一个ScalarMappble类型的对象，它包括了一个标准化方法norm和一个颜色映射cmap
cax是绘制colorbar的axes。若设置了此项参数，ax参数无效。这个参数与ax的区别见下一节
ax是一个或多个parent axes，意思是会从这几个parent axes中留出空间绘制颜色条。
location，可以取’right’（默认值）、‘left’、‘bottom’、‘top’。指定colorbar在图中的位置。
orientation，颜色条的方向，None or {‘vertical’, ‘horizontal’}
fraction, 浮点类型，默认值0.15。原始的轴有多少用于绘制colorbar。
shrink,浮点类型，颜色条的缩放比例。默认为1，若取0.1则绘制原来尺寸的0.1倍大小
2. cax参数与ax参数的区别
使用ax参数的示例代码如下：这段代码设置了两个子图，并在两个子图中用箭头绘制函数
Z
=
(
Z
1
−
Z
2
)
∗
2
=
(
e
−
x
2
−
y
2
−
e
−
(
x
−
1
)
2
−
(
y
−
1
)
2
)
∗
2
Z=(Z1-Z2)*2=(e^{-x^2-y^2}-e^{-(x-1)^2-(y-1)^2})*2
Z=(Z1−Z2)∗2=(e−x2−y2−e−(x−1)2−(y−1)2)∗2的梯度分布。梯度箭头共30*30个，用红色和绿色表示过高、过低的Z值，并且过滤掉大于1.2的Z值。在两个子图分别以Normalize线性标准化和BoundaryNorm边界标准化方式将Z映射到颜色值，并绘制对应的颜色条。
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors as colors
# compute some interesting data
x0, x1 = -3, 3
y0, y1 = -3, 3
x = np.linspace(x0, x1, 30)
y = np.linspace(y0, y1, 30)
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
Z = (Z1 - Z2) * 2
U = 4*(-X*Z1+(X-1)*Z2)
V = 4*(-Y*Z1+(Y-1)*Z2)
# Set up a colormap:
palette = plt.cm.gray.with_extremes(over='r', under='g', bad='b')
Zm = np.ma.masked_where(Z > 1.2, Z)
# set up the Axes objects
fig, (ax1, ax2) = plt.subplots(nrows=2, figsize=(6, 5.4))
# plot using 'continuous' colormap
im = ax1.quiver(X,Y,U,V,Zm, #interpolation='bilinear',
cmap=palette,
norm=colors.Normalize(vmin=-1.0, vmax=1.0),
scale=20)
ax1.set_title('Green=low, Red=high, Blue=masked')
cbar = fig.colorbar(im, extend='both', shrink=0.9, ax=ax1)
cbar.set_label('uniform')
ax1.tick_params(axis='x', labelbottom=False)
# Plot using a small number of colors, with unevenly spaced boundaries.
im = ax2.quiver(X,Y,U,V,Zm,# interpolation='nearest',
cmap=palette,
norm=colors.BoundaryNorm([-1, -0.5, -0.2, 0, 0.2, 0.5, 1],
ncolors=palette.N),
scale=20)
ax2.set_title('With BoundaryNorm')
cbar = fig.colorbar(im, extend='both', spacing='proportional',
shrink=0.9, ax=ax2)
cbar.set_label('proportional')
fig.suptitle('quiver, with out-of-range and masked data')
plt.show()
绘制结果如图所示：
上面的代码中，绘图区有两个子图，每个子图各有一个axes。任何一个axes传给cax参数，会导致这个axes负责的绘图区都用来画颜色条。下面，我们将第一个子图的axes传递给coloarbar的cax参数看看效果：
### 上略
cbar = fig.colorbar(im, extend='both', shrink=0.9, cax=ax1)# 修改这里
cbar.set_label('uniform')
### 下略
效果如图所示：
这就是设置cax的效果。它有什么好处呢？注意，ax参数的axes都会被适当调整以容纳颜色条。当我们想保持绘图的axes布局不变时，就不希望将
颜色条加到当前的axes中，也就是说，不希望设置ax参数。这时，往往会创建第三个子图，用来绘制颜色条。使用cax参数的示例代码：
import matplotlib.pyplot as plt
from matplotlib import cbook
def get_demo_image():
z = cbook.get_sample_data("axes_grid/bivariate_normal.npy") # 15x15 array
return z, (-3, 4, -4, 3)
def demo_simple_image(ax):
Z, extent = get_demo_image()
im = ax.imshow(Z, extent=extent)
cb = plt.colorbar(im)
cb.ax.yaxis.set_tick_params(labelright=False)
def demo_locatable_axes_hard(fig):
from mpl_toolkits.axes_grid1 import Size, SubplotDivider
divider = SubplotDivider(fig, 2, 2, 2, aspect=True)
# axes for image
ax = fig.add_subplot(axes_locator=divider.new_locator(nx=0, ny=0))
# axes for colorbar
ax_cb = fig.add_subplot(axes_locator=divider.new_locator(nx=2, ny=0))
divider.set_horizontal([
Size.AxesX(ax), # main axes
Size.Fixed(0.05), # padding, 0.1 inch
Size.Fixed(0.2), # colorbar, 0.3 inch
])
divider.set_vertical([Size.AxesY(ax)])
Z, extent = get_demo_image()
im = ax.imshow(Z, extent=extent)
plt.colorbar(im, cax=ax_cb)
ax_cb.yaxis.set_tick_params(labelright=False)
def demo_locatable_axes_easy(ax):
from mpl_toolkits.axes_grid1 import make_axes_locatable
divider = make_axes_locatable(ax)
ax_cb = divider.append_axes("right", size="5%", pad=0.05)
fig = ax.get_figure()
fig.add_axes(ax_cb)
Z, extent = get_demo_image()
im = ax.imshow(Z, extent=extent)
plt.colorbar(im, cax=ax_cb)
ax_cb.yaxis.tick_right()
ax_cb.yaxis.set_tick_params(labelright=False)
def demo_images_side_by_side(ax):
from mpl_toolkits.axes_grid1 import make_axes_locatable
divider = make_axes_locatable(ax)
Z, extent = get_demo_image()
ax2 = divider.append_axes("right", size="100%", pad=0.05)
fig1 = ax.get_figure()
fig1.add_axes(ax2)
ax.imshow(Z, extent=extent)
ax2.imshow(Z, extent=extent)
ax2.yaxis.set_tick_params(labelleft=False)
def demo():
fig = plt.figure(figsize=(6, 6))
# PLOT 1
# simple image & colorbar
ax = fig.add_subplot(2, 2, 1)
demo_simple_image(ax)
# PLOT 2
# image and colorbar with draw-time positioning -- a hard way
demo_locatable_axes_hard(fig)
# PLOT 3
# image and colorbar with draw-time positioning -- an easy way
ax = fig.add_subplot(2, 2, 3)
demo_locatable_axes_easy(ax)
# PLOT 4
# two images side by side with fixed padding.
ax = fig.add_subplot(2, 2, 4)
demo_images_side_by_side(ax)
plt.show()
demo()
在上面的代码中，新建了subplot，并把它的axes传递给cax参数以便绘制颜色条。
绘制效果如图所示：
3. 控制colorbar的长度实例
通过调整shrink参数，控制了colorbar的长度为ax2的1/5。示例代码如下：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.cm import ScalarMappable
import matplotlib as mpl
USER_FONT_SZ=22
COORD_MIN=0
COORD_MAX=50
if __name__ == '__main__':
# subplot SETUP
gs_kw = dict(width_ratios=[1,1], height_ratios=[17, 1])
fig, axd = plt.subplot_mosaic([['left image','right image'],
['colorbar','colorbar']],
gridspec_kw=gs_kw,
figsize=(16, 9),layout='constrained')
axes=[None, None, None]
for k, ax in axd.items():
if ax.get_label()=='left image':
axes[0]=ax
elif ax.get_label()=='right image':
axes[1]=ax
elif ax.get_label()=='colorbar':
axes[2]=ax
ax1, ax2, ax3 = axes
# 设置三个坐标轴的尺寸
ax1.set_position([0.01,0.15,0.48,0.8])
ax2.set_position([0.51,0.15,0.48,0.8])
ax3.set_position([0.01,0.00,0.98,0.1])
#准备绘制颜色条的axes不显示轴、标签
ax3.xaxis.set_visible(False)#不显示标签
ax3.yaxis.set_visible(False)#不显示标签
ax3.set_axis_off()#不显示轴
ax1.set_xlim(COORD_MIN, COORD_MAX)
ax1.set_ylim(COORD_MIN, COORD_MAX)
ax1.set_aspect(1)
ax2.set_xlim(COORD_MIN, COORD_MAX)
ax2.set_ylim(COORD_MIN, COORD_MAX)
ax2.set_aspect(1)
ax1.set_title('left plot', fontsize=USER_FONT_SZ)
ax2.set_title('right plot', fontsize=USER_FONT_SZ)
jet_cm = mpl.colormaps['hot']
# 随机生成50*50数据
u1 = np.random.randn(50,50)
v1 = np.random.randn(50,50)
u2 = np.random.randn(50,50)
v2 = np.random.randn(50,50)
x,y=np.meshgrid(np.arange(50), np.arange(50))
# plot in each axes
ax1.quiver(x,y,u1,v1,np.sqrt(u1**2+v1**2),cmap = jet_cm, scale=20)
ax2.quiver(x,y,u2,v2,np.sqrt(u2**2+v2**2),cmap = jet_cm, scale=20)
# 设置colorbar的长度等同于1/5的ax2宽度
# ax2.get_position().width获取ax2的宽度（宽度单位是fig宽度的比例，例如0.1表示fig宽度的0.1）
len_in_fig = ax2.get_position().width/5
# 宽度转换为缩放比例，传给shrink参数
user_shrink=len_in_fig/ax3.get_position().width
print(len_in_fig)
print(user_shrink)
cbar = plt.colorbar(ScalarMappable(norm=None, cmap=jet_cm), ax=ax3,#[ax1,ax2],#
orientation='horizontal', location='bottom',
fraction=1.0, shrink=user_shrink)
cbar.set_ticks(ticks=[0,1],labels=['short','long'], fontsize=USER_FONT_SZ-6)
cbar.ticklocation='top'
plt.show()
绘制结果：
4.参考
一个使用cax参数的官方示例
控制颜色条位置和尺寸的官方示例
![[Vue warn]: useModel() called with prop “xxx“ which is not declared](https://img-blog.csdnimg.cn/direct/3bf29b7e9600463cb439c27515b92744.png)
![[MySQL]运算符](https://img-blog.csdnimg.cn/direct/8e5a7f524f644fe1a9a4149551a65a83.png)
