Python 相同颜色的散点图和等高线图

是否可以将

plt.contourf

和

plt.contour

强制分散成相同的颜色级别？例如，我有一段代码，可以绘制如下图：

要生成第一个子地块，我使用

cs=m[0].scatter(xs,ys,c=obsData,cmap=plt.cm.jet)
m.colorbar(cs)

要生成第二个子图，我使用

cs2=m[1].contourf(x,y,areaData,cmap=cs.cmap)

m[ind].contourf(x,y,areaData,cmap=cs.cmap,levels=cs2.levels

对于每个后续子批次，我使用

cs2=m[1].contourf(x,y,areaData,cmap=cs.cmap)

m[ind].contourf(x,y,areaData,cmap=cs.cmap,levels=cs2.levels

其中areaData在循环中重新计算

---

我的问题是，如何强制第一个子图与其他子图具有相同的颜色？我正在寻找一个与

levels=cs2.levels

关键字参数等效的参数。

正如您在评论中所指出的，您的散射和等高线数据没有直接关系，但您希望将它们显示在同一颜色图上

我建议设置一个包含两组数据的通用颜色范围。由于

obsData

指的是散布点，而

areaData

指的是等高线，所以我将

vmin,vmax = (fun(np.concatenate([obsData,areaData])) for fun in (np.min,np.max))

确定收集的数据集的范围（显然，对于多个输入数据集是通用的）。这些可以传递到

scatter

和

tourtf

以设置颜色映射的限制：

cs = m[0].scatter(xs,ys,c=obsData,cmap=plt.cm.viridis,vmin=vmin,vmax=vmax)
cs2 = m[1].contourf(x,y,areaData,cmap=cs.cmap,vmin=vmin,vmax=vmax)

手动增加跨度可能是为了获得一个漂亮的结果

---

注意，我将颜色映射更改为

viridis

。如果您确实想公平地表示您的数据，.

散点图由

obsData

着色，而等高线图则根据

areaData

着色。sacatter图的值高于8，等高线值低于7。您确定这些数据对应于相同的数据集吗？否则，强制两者使用相同的颜色贴图是没有任何意义的。我遗漏了什么吗？它们不是来自同一个数据集，事实上，没有一个子地块来自同一个数据集。尽管存在这种差异，但obsData是模拟中观察到的误差数据，而areaData是包含模拟中因各种因素而产生的不确定性的数据。我想将误差与不确定度进行比较，但要正确地进行比较，需要均匀着色。