如何为单个Matplotlib散点图添加两个不同条件归一化的色条？

正确实现方案 #

你不需要绘制零大小的假散点来生成色条，matplotlib的colorbar支持直接绑定ScalarMappable对象生成独立色条，不会影响已有散点的颜色映射，完整可运行代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
from mpl_toolkits.axes_grid1 import make_axes_locatable

# 读取数据
a,b,c,d,e = np.loadtxt('test.txt', delimiter='\t', unpack=True, 
skiprows=1, dtype=str)
a = a.astype(np.float64)
c = c.astype(np.float64)
d = d.astype(np.float64)
e = e.astype(np.float64)
b = list(b)

fig, ax = plt.subplots(figsize=(10,6))

# 散点颜色绑定e列的映射规则
norm_e = mpl.colors.Normalize(vmin=e.min(), vmax=e.max())
cmap = 'Reds'

# 绘制真实散点，用掩码批量处理代替循环效率更高
alpha_mask = np.array(b) == 'alpha'
beta_mask = np.array(b) == 'beta'
ax.scatter(a[alpha_mask], e[alpha_mask], marker='o', edgecolors='black', 
           alpha=0.8, s=120, c=e[alpha_mask], norm=norm_e, cmap=cmap)
ax.scatter(a[beta_mask], e[beta_mask], marker='d', edgecolors='black', 
           alpha=0.8, s=120, c=e[beta_mask], norm=norm_e, cmap=cmap)

# 为c列创建对应的ScalarMappable，用于生成第一个色条
norm_c = mpl.colors.Normalize(vmin=c.min(), vmax=c.max())
sm_c = mpl.cm.ScalarMappable(norm=norm_c, cmap=cmap)
sm_c.set_array([])

# 为d列创建对应的ScalarMappable，用于生成第二个色条
norm_d = mpl.colors.Normalize(vmin=d.min(), vmax=d.max())
sm_d = mpl.cm.ScalarMappable(norm=norm_d, cmap=cmap)
sm_d.set_array([])

# 坐标轴配置
years_ax = np.linspace(2000, 2021, 21, endpoint=True, dtype=int)
ax.set_xticks(years_ax)
plt.xticks(rotation=45)
plt.grid(True, which="both", ls="-", alpha=0.1)
plt.xlabel('Years', fontsize=14)
plt.ylabel('e', fontsize=14)
ax.tick_params(axis='both', which='major', labelsize=14)

# 创建色条容器
divider = make_axes_locatable(ax)
cax1 = divider.new_vertical(size='5%', pad=0.5)
cax2 = divider.new_vertical(size='5%', pad=0.7)
fig.add_axes(cax1)
fig.add_axes(cax2)

# 生成第一个色条（对应c列取值范围）
cb1 = plt.colorbar(sm_c, cax=cax1, orientation='horizontal')
cb1.ax.xaxis.set_ticks_position('top')
cb1.set_label('c值范围', fontsize=12)

# 生成第二个色条（对应d列取值范围，反转坐标轴）
cb2 = plt.colorbar(sm_d, cax=cax2, orientation='horizontal')
cb2.ax.invert_xaxis()
cb2.ax.xaxis.set_ticks_position('top')
cb2.set_label('d值范围', fontsize=12)

# 调整布局避免标签被遮挡
plt.tight_layout()
plt.show()

关键修改说明 #

• 去掉了所有零大小假散点的绘制逻辑，避免干扰散点本身的颜色映射
• 散点绘制改用掩码批量处理，代替逐点循环，运行效率更高
• 直接使用ScalarMappable绑定不同列的归一化规则生成色条，完全匹配散点的配色方案
• 水平色条反转直接调用invert_xaxis()实现，符合可读性要求

内容的提问来源于stack exchange，提问作者eln05