Ho il codice seguente:

import matplotlib.pyplot as plt

cdict = {
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

plt.clf()
plt.pcolor(X, Y, v, cmap=cm)
plt.loglog()
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

plt.colorbar()
plt.show()

Quindi questo produce un grafico dei valori 'v' sugli assi X vs Y, usando la mappa colori specificata. Gli assi X e Y sono perfetti, ma la mappa dei colori si estende tra il minimo e il massimo di V. Vorrei forzare la mappa dei colori tra 0 e 1.

Ho pensato di usare:

plt.axis(...)

Per impostare gli intervalli degli assi, ma questo richiede solo argomenti per il minimo e il massimo di X e Y, non della mappa colori.

Modificare:

Per chiarezza, supponiamo di avere un grafico i cui valori sono compresi (0 ... 0,3) e un altro grafico i cui valori (0,2 ... 0,8).

In entrambi i grafici, voglio che l'intervallo della barra dei colori sia (0 ... 1). In entrambi i grafici, voglio che questa gamma di colori sia identica usando l'intera gamma del cdict sopra (quindi 0,25 in entrambi i grafici saranno dello stesso colore). Nel primo grafico, tutti i colori compresi tra 0,3 e 1,0 non compariranno nel grafico, ma saranno nella chiave colourbar a lato. Nell'altro, tutti i colori compresi tra 0 e 0,2 e tra 0,8 e 1 non compariranno nel grafico, ma nel colore della barra laterale.

Utilizzo vmine vmaxforza l'intervallo per i colori. Ecco un esempio:

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

cdict = {
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )

def do_plot(n, f, title):
    #plt.clf()
    plt.subplot(1, 3, n)
    plt.pcolor(X, Y, f(data), cmap=cm, vmin=-4, vmax=4)
    plt.title(title)
    plt.colorbar()

plt.figure()
do_plot(1, lambda x:x, "all")
do_plot(2, lambda x:np.clip(x, -4, 0), "<0")
do_plot(3, lambda x:np.clip(x, 0, 4), ">0")
plt.show()

Utilizzare la funzione CLIM (equivalente alla funzione CAXIS in MATLAB):

plt.pcolor(X, Y, v, cmap=cm)
plt.clim(-4,4)  # identical to caxis([-4,4]) in MATLAB
plt.show()

Non sono sicuro che questa sia la soluzione più elegante (questo è quello che ho usato), ma potresti ridimensionare i tuoi dati nell'intervallo tra 0 e 1 e quindi modificare la barra dei colori:

import matplotlib as mpl
...
ax, _ = mpl.colorbar.make_axes(plt.gca(), shrink=0.5)
cbar = mpl.colorbar.ColorbarBase(ax, cmap=cm,
                       norm=mpl.colors.Normalize(vmin=-0.5, vmax=1.5))
cbar.set_clim(-2.0, 2.0)

Con i due diversi limiti è possibile controllare l'intervallo e la legenda della barra dei colori. In questo esempio nella barra viene mostrato solo un intervallo compreso tra -0,5 e 1,5, mentre la mappa dei colori copre da -2 a 2 (quindi potrebbe trattarsi dell'intervallo di dati che si registra prima del ridimensionamento).

Quindi, invece di ridimensionare la mappa dei colori, ridimensionate i vostri dati e adattate la barra dei colori a quello.

Utilizzo di figure environment e .set_clim ()

Potrebbe essere più semplice e sicura questa alternativa se hai più grafici:

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

cdict = {
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )
data1 = np.clip(data,0,6)
data2 = np.clip(data,-6,0)
vmin = np.min(np.array([data,data1,data2]))
vmax = np.max(np.array([data,data1,data2]))

fig = plt.figure()
ax = fig.add_subplot(131)
mesh = ax.pcolormesh(data, cmap = cm)
mesh.set_clim(vmin,vmax)
ax1 = fig.add_subplot(132)
mesh1 = ax1.pcolormesh(data1, cmap = cm)
mesh1.set_clim(vmin,vmax)
ax2 = fig.add_subplot(133)
mesh2 = ax2.pcolormesh(data2, cmap = cm)
mesh2.set_clim(vmin,vmax)
# Visualizing colorbar part -start
fig.colorbar(mesh,ax=ax)
fig.colorbar(mesh1,ax=ax1)
fig.colorbar(mesh2,ax=ax2)
fig.tight_layout()
# Visualizing colorbar part -end

plt.show()

Una sola barra dei colori

La migliore alternativa è quindi utilizzare una singola barra dei colori per l'intera trama. Esistono diversi modi per farlo, questo tutorial è molto utile per comprendere l'opzione migliore. Preferisco questa soluzione che puoi semplicemente copiare e incollare invece della precedente parte della barra dei colori di visualizzazione del codice.

fig.subplots_adjust(bottom=0.1, top=0.9, left=0.1, right=0.8,
                    wspace=0.4, hspace=0.1)
cb_ax = fig.add_axes([0.83, 0.1, 0.02, 0.8])
cbar = fig.colorbar(mesh, cax=cb_ax)

PS

Suggerirei di utilizzare pcolormeshinvece che pcolorperché è più veloce (maggiori informazioni qui ).