Matplotlib：实现带对数刻度与多级颜色的contourf颜色标签显示

我帮你搞定这个问题啦——当你手动指定更多颜色时，Matplotlib默认不会自动为对数刻度生成对应的数值标签，尤其是结合LogNorm使用的时候。咱们一步步来修复：

问题根源 #

当你给contourf自定义颜色数量时，虽然颜色条的刻度线还在，但Matplotlib没有自动适配对数刻度的标签格式化逻辑，导致标签“隐身”了。咱们需要显式告诉它怎么处理对数刻度的标签。

完整修正代码 #

下面是补全并修正后的代码，包含自定义多颜色、对数缩放，并且确保颜色条标签正常显示：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import ticker
from matplotlib.colors import LogNorm

# 补全你的对数正态分布数据生成
z = np.random.lognormal(mean=10, sigma=1, size=(50, 50))

# 方式1：基于现有配色方案生成更多颜色（这里取20个，远多于默认）
cmap = plt.cm.get_cmap('viridis', 20)

# 方式2：完全自定义颜色列表（可选）
# from matplotlib.colors import ListedColormap
# custom_colors = ['#FF5733', '#33FF57', '#3357FF', '#FF33A6', '#FFC300', ...]  # 可添加更多颜色
# cmap = ListedColormap(custom_colors)

# 绘制填充等高线，指定对数归一化和自定义配色
fig, ax = plt.subplots(figsize=(8, 6))
contour_plot = ax.contourf(z, norm=LogNorm(vmin=z.min(), vmax=z.max()), cmap=cmap)

# 关键步骤：给颜色条指定对数格式化器，让标签显示出来
color_bar = plt.colorbar(contour_plot, format=ticker.LogFormatter())

# 可选：手动控制刻度位置（根据你的数据范围调整）
# color_bar.locator = ticker.LogLocator(base=10, numticks=8)
# color_bar.update_ticks()

ax.set_title('对数缩放填充等高线图（自定义多颜色）')
plt.tight_layout()
plt.show()

核心修复点 #

• 显式指定LogFormatter：通过format=ticker.LogFormatter()告诉颜色条用对数格式渲染标签，解决标签消失的问题。
• 自定义颜色的正确创建：用plt.cm.get_cmap(现有配色, 颜色数量)可以快速生成更多颜色的配色方案，或者用ListedColormap完全自定义颜色列表。
• 绑定LogNorm：确保整个绘图的颜色缩放是基于对数尺度的，和颜色条的刻度逻辑保持一致。

这样修改后，你就能同时拥有对数颜色缩放、更多的颜色，而且颜色条的数值标签也会正常显示啦～

内容的提问来源于stack exchange，提问作者JeffP