自定义LogNorm对应的Colorbar显示异常问题排查与修复

核心问题：自定义Norm未实现色条所需的完整接口 #

这不是Matplotlib的问题，是你自定义的LogNorm子类没满足Colorbar依赖的核心接口，导致色条无法正确识别你的自定义归一化逻辑。

具体修复步骤 #

1. 完善自定义Norm类的必要方法 #

自定义Norm必须实现以下方法，才能让Colorbar正确解析：

• __call__：实现归一化逻辑（你已经完成这部分）
• inverse：实现归一化的逆运算，让Colorbar能从归一化后的数值反推原始数据范围
• 确保vmin、vmax以及你自定义的中点参数（比如midpoint）是类的公开属性，让ScalarMappable能读取

举个完善后的自定义LogNorm示例：

import matplotlib.colors as mcolors
import numpy as np

class MidpointLogNorm(mcolors.LogNorm):
    def __init__(self, vmin=None, vmax=None, midpoint=None, clip=False):
        self.midpoint = midpoint
        super().__init__(vmin=vmin, vmax=vmax, clip=clip)

    def __call__(self, value, clip=None):
        if clip is None:
            clip = self.clip
        result, is_scalar = self.process_value(value)
        # 实现中点归一化逻辑
        log_vmin = np.log10(self.vmin)
        log_vmax = np.log10(self.vmax)
        log_mid = np.log10(self.midpoint)
        scale_low = log_mid - log_vmin
        scale_high = log_vmax - log_mid
        
        mask = result < self.midpoint
        result[mask] = (np.log10(result[mask]) - log_vmin) / (2 * scale_low)
        result[~mask] = 0.5 + (np.log10(result[~mask]) - log_mid) / (2 * scale_high)
        
        result[(result < 0) | (result > 1)] = np.nan
        if is_scalar:
            result = np.atleast_1d(result)[0]
        return result

    def inverse(self, value):
        # 实现对应__call__的逆运算
        value = np.asarray(value)
        log_vmin = np.log10(self.vmin)
        log_vmax = np.log10(self.vmax)
        log_mid = np.log10(self.midpoint)
        scale_low = log_mid - log_vmin
        scale_high = log_vmax - log_mid
        
        result = np.empty_like(value)
        mask = value < 0.5
        result[mask] = 10 ** (log_vmin + 2 * scale_low * value[mask])
        result[~mask] = 10 ** (log_mid + 2 * scale_high * (value[~mask] - 0.5))
        return result

2. 正确关联自定义Norm到Colorbar #

创建Colorbar时，必须基于使用了自定义Norm的ScalarMappable，而不是默认配置。示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成测试数据
data = np.logspace(-2, 2, 100).reshape(10,10)

# 初始化自定义Norm
norm = MidpointLogNorm(vmin=0.01, vmax=100, midpoint=1)
cmap = plt.get_cmap('viridis')

# 绘制2D图
fig, ax = plt.subplots()
im = ax.imshow(data, norm=norm, cmap=cmap)

# 正确创建Colorbar：复用2D图的norm和cmap
cbar = fig.colorbar(im, ax=ax)
# 可选：手动设置色条刻度匹配中点逻辑
cbar.set_ticks([0.01, 1, 100])
cbar.set_ticklabels(['0.01', '1', '100'])

plt.show()

为什么之前的Colorbar不对？ #

Matplotlib的Colorbar依赖ScalarMappable的norm属性计算刻度和颜色映射。如果之前创建Colorbar时未传入使用了自定义Norm的im对象，或者自定义Norm缺少inverse方法，Colorbar会默认使用标准LogNorm的逻辑，导致和2D图的颜色映射脱节。

内容的提问来源于stack exchange，提问作者TheDorkSide