plt.scatter绘图中色条异常归一化问题求助

核心排查与修复步骤： #

• 确认c参数绑定正确数据
  确保plt.scatter的c参数直接传入原始差值列（比如cumulative_diff_df['direct_indirect_diff']），而非经过0-1归一化处理后的数据。如果之前误对数据做了归一化，直接替换为原始差值数据。

• 在scatter中直接指定vmin和vmax
  先计算差值数据的实际范围，然后在绘制散点图时直接传入这两个值，避免后续色条设置冲突：

  # 计算差值的实际极值
  diff_min = cumulative_diff_df['差值列名'].min()
  diff_max = cumulative_diff_df['差值列名'].max()
  
  # 绘制散点图，绑定数据与范围
  scatter = plt.scatter(
      x=cumulative_diff_df['x坐标列'], 
      y=cumulative_diff_df['y坐标列'],
      c=cumulative_diff_df['差值列名'],
      vmin=diff_min,
      vmax=diff_max,
      cmap='viridis'  # 可替换为你需要的颜色映射
  )
  
  # 基于散点图对象生成色条
  plt.colorbar(scatter)
  

• 避免重复设置色条范围
  不要同时使用scatter的vmin/vmax和cbar.set_clim，二者选其一即可。优先用前者，因为它直接与散点图的数据绑定，不会出现覆盖问题。

• 子图场景下的正确处理
  若绘制两个子图，需为每个子图的散点图单独设置对应的数据范围，确保色条与子图数据匹配：

  import matplotlib.pyplot as plt
  
  fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6))
  
  # 第一个子图：直接辐照度差值
  diff_min1 = cumulative_diff_df['direct_diff'].min()
  diff_max1 = cumulative_diff_df['direct_diff'].max()
  sc1 = ax1.scatter(
      x=cumulative_diff_df['x'], y=cumulative_diff_df['y'],
      c=cumulative_diff_df['direct_diff'],
      vmin=diff_min1, vmax=diff_max1, cmap='coolwarm'
  )
  ax1.set_title('直接辐照度差值')
  fig.colorbar(sc1, ax=ax1)
  
  # 第二个子图：间接辐照度差值
  diff_min2 = cumulative_diff_df['indirect_diff'].min()
  diff_max2 = cumulative_diff_df['indirect_diff'].max()
  sc2 = ax2.scatter(
      x=cumulative_diff_df['x'], y=cumulative_diff_df['y'],
      c=cumulative_diff_df['indirect_diff'],
      vmin=diff_min2, vmax=diff_max2, cmap='coolwarm'
  )
  ax2.set_title('间接辐照度差值')
  fig.colorbar(sc2, ax=ax2)
  
  plt.tight_layout()
  plt.show()
  

• 排查是否误用归一化函数
  检查代码中是否存在matplotlib.colors.Normalize或手动归一化（比如(data - min)/(max - min)）的逻辑，若有则删除，直接使用原始差值数据传入c参数。

内容的提问来源于stack exchange，提问作者boléro