通过索引现有颜色映射动态修改Matplotlib颜色条

我来帮你搞定这个放大视图+自定义色条的问题！核心思路就是复用原始曲线颜色、筛选可见系列、定制仅对应可见数据的色条，下面用Matplotlib为例给你完整的实现方案：

假设你已经有了原始图表和获取可见系列索引的buslist，我们直接从关键步骤入手：

1. 先保存原始曲线的颜色（核心前提） #

不管是放大还是其他操作，先把每条曲线的原始颜色存下来，这样后续放大视图里的曲线颜色才能和原图完全一致：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap, FixedNorm

# 先模拟你的原始数据（替换成你自己的真实数据即可）
n_curves = 10
x = np.linspace(0, 10, 100)
y_list = [x + i for i in range(n_curves)]

# 生成原始颜色映射并保存每条曲线的颜色
orig_cmap = plt.get_cmap('viridis', n_curves)
orig_colors = orig_cmap(np.linspace(0, 1, n_curves))

2. 模拟获取可见系列索引buslist #

这里假设你已经通过代码筛选出了放大视图里可见的曲线索引（比如x轴范围3-7内的曲线）：

# 替换成你实际获取到的buslist
buslist = [2, 4, 5, 7, 8]

3. 绘制放大视图并定制色条 #

这一步是关键，要保证：

• 放大视图的曲线颜色和原图一致
• 色条仅显示可见系列的颜色，且刻度对应原始系列索引

# 创建双图布局：左图原始图，右图放大图
fig, (ax_orig, ax_zoom) = plt.subplots(1, 2, figsize=(12, 4))

# 绘制原始图（快速复刻你的原图）
for i in range(n_curves):
    ax_orig.plot(x, y_list[i], color=orig_colors[i])
ax_orig.set_title('Original Plot')
ax_orig.set_xlabel('X')
ax_orig.set_ylabel('Y')

# 绘制放大视图：只画可见曲线，用原始颜色
visible_colors = orig_colors[buslist]
for idx, curve_idx in enumerate(buslist):
    ax_zoom.plot(x, y_list[curve_idx], color=visible_colors[idx], label=f'Curve {curve_idx}')
# 设置放大的轴范围（替换成你需要的x/y范围）
ax_zoom.set_xlim(3, 7)
ax_zoom.set_title('Zoomed View')
ax_zoom.set_xlabel('X')
ax_zoom.set_ylabel('Y')
ax_zoom.legend(bbox_to_anchor=(1.05, 1), loc='upper left')

# 定制仅显示可见系列的色条
# 1. 创建仅包含可见颜色的新色图
new_cmap = ListedColormap(visible_colors)
# 2. 固定归一化范围，对应原始曲线的索引（避免色条自动缩放）
norm = FixedNorm(vmin=min(buslist), vmax=max(buslist), clip=False)
# 3. 创建颜色映射器并添加色条
sm = plt.cm.ScalarMappable(norm=norm, cmap=new_cmap)
sm.set_array(buslist)
cbar = plt.colorbar(sm, ax=ax_zoom, label='Visible Curve Index')
# 4. 设置色条刻度为可见系列的原始索引，标签更直观
cbar.set_ticks(buslist)
cbar.set_ticklabels([f'Curve {i}' for i in buslist])

plt.tight_layout()
plt.show()

关键细节说明 #

• 颜色一致性：通过orig_colors保存每条曲线的原始颜色，放大视图直接复用，完全避免颜色偏移
• 色条定制：用ListedColormap提取可见颜色生成新色图，FixedNorm固定色条的数值范围，确保色条颜色和可见曲线一一对应
• 灵活适配：如果你的buslist是通过判断曲线是否在轴范围内动态获取的，只需要把模拟的buslist替换成你实际的筛选逻辑即可，比如：

  # 示例：动态筛选x轴3-7范围内可见的曲线索引
  x_min, x_max = 3,7
  buslist = []
  for i in range(n_curves):
      # 检查曲线是否在x范围内有数据点
      if np.any((x >= x_min) & (x <= x_max)):
          buslist.append(i)
  

内容的提问来源于stack exchange，提问作者4bears