Matplotlib散点图跨子图标准化色阶与公共colorbar配置实现

你现在的代码会生成两套完全独立的颜色映射规则：Matplotlib的scatter接口默认会拿当前传入的z值数组的最小/最大值，自动计算颜色对应的数值跨度，哪怕两个子图用了一模一样的色卡名字，相同z值的颜色根本对不上。
比如你的示例数据里，左图z值范围是1-4，右图是2-6：z=3在左图是色卡中间色，在右图是偏浅的低数值色，跨图对比完全没有意义。

要让两个子图的颜色和z值一一对应，只需要给两个散点图用完全相同的数值归一化规则，把色阶的上下边界固定死，不让每个子图自己算范围就行。
具体步骤：

• 把两组数据的所有z值拼到一起，找全局的最小、最大值，作为统一色阶的两个端点
• 生成全局通用的归一化对象，调用scatter的时候把这个对象传进去，替代默认的自动范围计算
• 加统一colorbar的时候，让它自动适配整个子图组的布局，不要挤在某一个子图边上

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors

# 原始测试数据
vals1 = np.array([[1,1,1],[2,2,4]])
vals2 = np.array([[1,1,2],[2,2,6]])

# 计算全局统一的色阶上下限
all_z = np.concatenate([vals1[:, 2], vals2[:, 2]])
global_norm = mcolors.Normalize(vmin=all_z.min(), vmax=all_z.max())

fig, ax = plt.subplots(1, 2, constrained_layout=True)
# 两个散点图传入完全相同的norm参数，保证色彩映射对齐
g1 = ax[0].scatter(
    x=vals1[:,0], y=vals1[:,1], 
    c=vals1[:,2], cmap='RdBu', 
    norm=global_norm
)
g2 = ax[1].scatter(
    x=vals2[:,0], y=vals2[:,1], 
    c=vals2[:,2], cmap='RdBu', 
    norm=global_norm
)
# 生成跨子图的统一colorbar，指定ax=ax让布局自动适配
fig.colorbar(g1, ax=ax, label='关联z值')

• 别以为用同一个cmap名就够了：映射比例是每个scatter调用独立计算的，和色卡本身没有关系
• 色阶范围别只拿单组数据算：不然另一组超出范围的z值会被硬塞成色卡的边界极端色，和实际数值对不上
• 用constrained_layout自动排版的时候，给colorbar加ax=ax参数：不然colorbar会吃掉某一个子图的宽度，让两个子图宽度不一致

内容的提问来源于stack exchange，提问作者StephB