如何为contourf图设置零值附近颜色更密、色阶范围逐倍扩大的双向扩展colorbar

你当前用SymLogNorm得到相反效果的原因是：SymLogNorm在linthresh区间内使用线性映射，该区间内色阶均匀分布，超出区间后才会使用对数映射。要实现零值附近色阶最密、远离零值区域色阶对应数值范围逐倍扩大的需求，可选用以下两种方案：

方案1：手动生成非均匀levels（最简易，适配contourf场景） #

contourf本身支持传入自定义非均匀的levels数组，不需要修改归一化规则，就能直接实现色阶间隔的自定义需求，逻辑直观可控：

import numpy as np

# 自定义配置参数
linthresh = 1e-5  # 零值附近加密区间的边界
cbar_min = -100   # 色标最小值，按你的实际范围调整
cbar_max = 100    # 色标最大值，按你的实际范围调整
small_step = 1e-6 # 零附近加密区间的步长
exp_base = 2      # 远离零值区域的色阶数值范围扩大倍数

# 生成负半轴大间隔levels
neg_exp = np.arange(np.log10(linthresh), np.log10(-cbar_min), np.log10(exp_base))
neg_levels = -np.power(10, neg_exp)[::-1]
# 生成零值附近负区间加密levels
neg_small = np.arange(-linthresh, 0, small_step)
# 生成零值附近正区间加密levels
pos_small = np.arange(0, linthresh, small_step)
# 生成正半轴大间隔levels
pos_exp = np.arange(np.log10(linthresh), np.log10(cbar_max), np.log10(exp_base))
pos_levels = np.power(10, pos_exp)

# 合并所有levels，去重后排序
levels = np.unique(np.concatenate([neg_levels, neg_small, pos_small, pos_levels]))

绘图时不需要传入norm参数，直接使用生成的levels即可，双向扩展功能正常生效：

xr.plot.contourf(darray=var_c[ncount, :, :], ax=ax, cmap=colormap_sel, levels=levels, extend="both")

方案2：自定义对称幂律归一化类（适配连续颜色映射场景） #

如果你需要连续的颜色映射而非离散色阶，可继承matplotlib.colors.Normalize自定义归一化类实现需求：

from matplotlib.colors import Normalize

class SymInvPowerNorm(Normalize):
    def __init__(self, vmin=None, vmax=None, gamma=0.5, linthresh=1e-5, clip=False):
        self.gamma = gamma  # 控制零附近加密程度，gamma越小零附近色阶越密
        self.linthresh = linthresh
        super().__init__(vmin, vmax, clip)

    def __call__(self, value, clip=None):
        if clip is None:
            clip = self.clip
        v_range = max(abs(self.vmin), abs(self.vmax))
        x = np.asarray(value) / v_range
        mask_neg = x < 0
        x_abs = np.abs(x)
        # 零附近用幂律压缩实现加密，超出区间用线性映射保证范围逐倍扩大
        y = np.where(x_abs < self.linthresh,
                    np.power(x_abs / self.linthresh, self.gamma) * self.linthresh,
                    x_abs)
        y[mask_neg] *= -1
        return np.ma.masked_array((y + 1) / 2, mask=np.isnan(x))

    def inverse(self, value):
        # 实现逆映射保证colorbar显示正常
        y = (np.asarray(value) * 2) - 1
        mask_neg = y < 0
        y_abs = np.abs(y)
        x = np.where(y_abs < self.linthresh,
                    np.power(y_abs / self.linthresh, 1/self.gamma) * self.linthresh,
                    y_abs)
        x[mask_neg] *= -1
        v_range = max(abs(self.vmin), abs(self.vmax))
        return x * v_range

使用时直接替换你原有的SymLogNorm即可，注意不要传入均匀分布的levels参数，避免归一化效果被覆盖：

divnorm = SymInvPowerNorm(vmin=cbar_min, vmax=cbar_max, gamma=0.3, linthresh=1e-5)
xr.plot.contourf(darray=var_c[ncount, :, :], ax=ax, cmap=colormap_sel, norm=divnorm, extend="both")

如果colorbar刻度显示不符合预期，可以手动传入方案1中生成的levels作为ticks参数调整刻度位置。

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