如何在Matplotlib中为多曲线添加对应参数a的色条？

你的现有代码是循环绘制不同a值的曲线，但要添加对应a值的色条，需要把a的数值和颜色映射关联起来，具体修改如下：

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

def func(x,a):
    return np.exp(-x*a)
x = np.linspace(0, 5)

# 选择一个颜色映射方案，这里用viridis（Matplotlib默认的友好配色）
cmap = plt.cm.viridis
# 设置参数a的数值范围，用于颜色映射
norm = plt.Normalize(vmin=1, vmax=4)

for a in range(1,5):
    # 根据当前a的值，从颜色映射中获取对应颜色
    color = cmap(norm(a))
    # 绘制曲线时指定颜色，同时添加标签方便查看
    plt.plot(x, func(x,a), color=color, label=f'a={a}')

# 创建颜色映射关联对象，用来连接颜色和数值，生成色条
sm = ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])  # 这里无需传入额外数据，因为我们已经手动完成了颜色映射
# 添加色条，并设置标签说明色条代表的含义
plt.colorbar(sm, label='参数a的值')

plt.xlabel('x')
plt.ylabel('exp(-x*a)')
plt.legend()
plt.show()

核心逻辑：通过Normalize把a的取值范围（1-4）映射到0-1区间，再用颜色映射（cmap）把这个区间的数值转换成具体颜色；最后用ScalarMappable把颜色和数值的对应关系告诉colorbar，这样就能生成对应a值的色条。

• ax（坐标轴对象）：这是Matplotlib面向对象编程的核心单元，每个ax对应一个独立的绘图区域。你可以在ax上直接调用plot()、imshow()、set_title()等方法，比全局的plt.xxx接口更灵活，尤其在绘制多子图时，能精准控制每个子图的样式。
• subplot：用于在同一个画布（figure）上创建多个子图的工具。比如plt.subplot(2,2,1)会把画布分成2行2列的网格，返回第1个位置的ax对象。现在更推荐用plt.subplots(nrows=2, ncols=2)一次性创建所有子图，直接得到包含所有ax的数组。
• imshow：专门用于绘制二维数组的函数，它会把数组中的数值映射成对应的颜色，常用于生成热图、显示图像等场景。比如你有一个存储温度分布的二维数组，用imshow()可以把数值转换成颜色深浅，配合colorbar就能直观展示数值和颜色的对应关系。

内容的提问来源于stack exchange，提问作者haswellrefresh4