Одна цветовая полоса для нескольких контурных графиков

Возможно, вы захотите взглянуть на ImageGrid Matplotlib:

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid
from matplotlib.colors import Normalize
from matplotlib.cm import ScalarMappable

x, y = np.mgrid[-2:2:100j, -2:2:100j]
z1 = np.sin(x**2 + y**2)
z2 = np.cos(x**2 + y**2)

cmap = "inferno"

fig = plt.figure()
grid = ImageGrid(
    fig, 111,  # similar to subplot(111)
    nrows_ncols=(1, 2),  # creates 1x2 grid of Axes
    axes_pad=0.2,  # pad between Axes in inch.
    cbar_mode = "single"
)
grid[0].contourf(x, y, z1, cmap=cmap)
grid[1].contourf(x, y, z2, cmap=cmap)

norm = Normalize(vmin=min(z1.min(), z2.min()), vmax=max(z1.max(), z2.max()))
cb2 = grid[1].cax.colorbar(
    ScalarMappable(norm=norm, cmap=cmap),
    label = "z value"
)
plt.show()

Сначала вам нужно использовать одну и ту же цветовую шкалу для всех заполненных контурных графиков, и это можно решить с помощью plt.Normalize(vmin, vmax, ...), который возвращает линейное преобразование из интервала (vmin, vmax) в (0, 1), и используя одно и то же преобразование для всех графиков.

Вы можете указать, что plt.colorbar крадет пространство из осей или из итерации осей, синтаксис — colorbar(..., ax=ax) или colorbar(..., ax=axs), и это замечание касается того, где размещается цветная полоса и как сжимаются оси фигуры.

Последняя проблема заключается в том, что вы хотите поместить внутри цветовой панели. Обычно вы используете Scalar Mappable, который возвращается из вашего contourf, но здесь у вас есть три разных графика... поэтому вы можете построить специальный SM, используя matplotlib.cm .ScalarMappable, определяющий функцию нормализации (ту, которую вы использовали во всех contourf) и, возможно, цветовую карту, если вы не использовали на графиках функцию по умолчанию.

Вы можете увидеть все вышеперечисленное в коде ниже.

import matplotlib.pyplot as plt
from matplotlib.cm import ScalarMappable
import numpy as np

x, y = np.meshgrid(range(21), range(16))
z0 = x/10+y/5 # max z0 =  5
z1 = z0 + x/4 # max z1 = 10
z2 = x/10*y/5 # max z2 =  6
zmin = min(z.min() for z in (z0, z1, z2))
zmax = max(z.max() for z in (z0, z1, z2))
norm = plt.Normalize(zmin, zmax)

fig, axs = plt.subplots(1,3,figsize=(10,3), layout='constrained')
axs[0].contourf(x, y, z0, norm=norm, cmap='plasma')
axs[1].contourf(x, y, z1, norm=norm, cmap='plasma')
axs[2].contourf(x, y, z2, norm=norm, cmap='plasma')
plt.colorbar(ScalarMappable(norm=norm, cmap='plasma'), ax=axs)

Каждый contourf возвращает ScalarMappable, поэтому возникает соблазн использовать один из них для создания экземпляра цветовой панели, но в этом случае диапазон цветовой панели изменяется от min(z_i) до max(z_i), а не то, что нам нужно. Например, используя ax[2].contourf(x, y, z2, ...) в качестве нашего ScalarMappable, мы имеем

Адаптируя ответ @gboffi, мы также можем передавать явные уровни, чтобы цвета выравнивались между тремя графиками и их цветовой панелью. Таким образом, мы можем просто использовать скалярапапабель, возвращаемый из contourf. Также обратите внимание, что мы видим границы уровней на цветовой панели вместо плавного градиента, показанного на первой цветовой панели @gboffi.

import matplotlib.pyplot as plt
import numpy as np

x, y = np.meshgrid(range(21), range(16))
z0 = x/10+y/5 # max z0 =  5
z1 = z0 + x/4 # max z1 = 10
z2 = x/10*y/5 # max z2 =  6

zmin = min(z.min() for z in (z0, z1, z2))
zmax = max(z.max() for z in (z0, z1, z2))
levels = np.linspace(zmin,zmax,11)

fig, axs = plt.subplots(1, 3, figsize=(10,3), layout='constrained')
axs[0].contourf(x, y, z0, levels=levels, cmap='plasma')
axs[1].contourf(x, y, z1, levels=levels, cmap='plasma')
cf = axs[2].contourf(x, y, z2, levels=levels, cmap='plasma')
plt.colorbar(cf, ax=axs)

plt.show()