Python 设置matplotlib ColorbarBase对象的大小

我有一个补丁集合，我想为它显示一个彩色地图。由于我在colormap上做了一些操作，所以我不可能使用

matplotlib.colorbar

实例来定义它。至少据我所知不是这样；这样做会去除我对颜色所做的一些操作，这些操作会清空缺少数据的面片：

cmap = matplotlib.cm.YlOrRd
colors = [cmap(n) if pd.notnull(n) else [1,1,1,1]
          for n in plt.Normalize(0, 1)([nullity for _, nullity in squares])]

# Now we draw.
for i, ((min_x, max_x, min_y, max_y), _) in enumerate(squares):
    square = shapely.geometry.Polygon([[min_x, min_y], [max_x, min_y],
                                      [max_x, max_y], [min_x, max_y]])
    ax0.add_patch(descartes.PolygonPatch(square, fc=colors[i], 
                  ec='white', alpha=1, zorder=4))

因此，我定义了一个

matplotlib.colorbar.colorbase

实例，它可以：

matplotlib.colorbar.ColorbarBase(ax1, cmap=cmap, orientation='vertical',
                                 norm=matplotlib.colors.Normalize(vmin=0, vmax=1))

其结果是，例如：

我的问题是，我想缩小这个色条的大小（特别是，缩小到一个特定的垂直大小，比如说500像素），但我看不到任何明显的方法来做到这一点。如果我有一个

colorbar

实例，我可以使用its轻松地调整它，但是

colorbase

缺少这些

供进一步参考：

• （警告：冗长）

---

尺寸和形状由轴定义。这是我的代码片段，我将2个图组合在一起，并在顶部独立添加一个颜色条。我一直在玩add_axes实例中的值，直到得到适合我的大小：

 cax = fig.add_axes([0.125, 0.925, 0.775, 0.0725]) #has to be as a list - starts with x, y coordinates for start and then width and height in % of figure width
 norm = mpl.colors.Normalize(vmin = low_val, vmax = high_val)     
 mpl.colorbar.ColorbarBase(cax, cmap = self.cmap, norm = norm, orientation = 'horizontal')

---

尺寸和形状由轴定义。这是我的代码片段，我将2个图组合在一起，并在顶部独立添加一个颜色条。我一直在玩add_axes实例中的值，直到得到适合我的大小：

 cax = fig.add_axes([0.125, 0.925, 0.775, 0.0725]) #has to be as a list - starts with x, y coordinates for start and then width and height in % of figure width
 norm = mpl.colors.Normalize(vmin = low_val, vmax = high_val)     
 mpl.colorbar.ColorbarBase(cax, cmap = self.cmap, norm = norm, orientation = 'horizontal')

---

这个问题可能有点老了，但我找到了另一个解决方案，它可以帮助那些不愿意为ColorbarBase类手动创建colorbar轴的人

下面的解决方案使用matplotlib.colorbar.make_axes类从给定轴创建从属子_轴。然后可以为ColorbarBase类提供子_轴，以创建colorbar

该代码源自中描述的matplotlib代码示例

下面是一段代码：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
import matplotlib.colorbar as mcbar
from matplotlib import ticker
import matplotlib.colors as mcolors


# Make some illustrative fake data:

x = np.arange(0, np.pi, 0.1)
y = np.arange(0, 2 * np.pi, 0.1)
X, Y = np.meshgrid(x, y)
Z = np.cos(X) * np.sin(Y) * 10


colors = [(1, 0, 0), (0, 1, 0), (0, 0, 1)]  # R -> G -> B

n_bins = [3, 6, 10, 100]  # Discretizes the interpolation into bins

cmap_name = 'my_list'


fig, axs = plt.subplots(2, 2, figsize=(9, 7))
fig.subplots_adjust(left=0.02, bottom=0.06, right=0.95, top=0.94, wspace=0.05)
for n_bin, ax in zip(n_bins, axs.ravel()):
    # Create the colormap
    cm = LinearSegmentedColormap.from_list(cmap_name, colors, N=n_bin)
    # Fewer bins will result in "coarser" colomap interpolation
    im = ax.imshow(Z, interpolation='nearest', origin='lower', cmap=cm)
    ax.set_title("N bins: %s" % n_bin)

    cax, cbar_kwds = mcbar.make_axes(ax, location = 'right',
                              fraction=0.15, shrink=0.5, aspect=20)




    cbar = mcbar.ColorbarBase(cax, cmap=cm, 
                              norm=mcolors.Normalize(clip=False), 
                              alpha=None, 
                              values=None, 
                              boundaries=None, 
                        orientation='vertical', ticklocation='auto', extend='both', 
                        ticks=n_bins, 
                        format=ticker.FormatStrFormatter('%.2f'), 
                        drawedges=False, 
                        filled=True, 
                        extendfrac=None, 
                        extendrect=False, label='my label')




    if n_bin <= 10:
        cbar.locator = ticker.MaxNLocator(n_bin) 
        cbar.update_ticks()

    else:
        cbar.locator = ticker.MaxNLocator(5) 
        cbar.update_ticks()


fig.show()

将numpy导入为np
将matplotlib.pyplot作为plt导入
从matplotlib.colors导入LinearSegmentedColormap
将matplotlib.colorbar作为mcbar导入
从matplotlib导入代码
将matplotlib.colors导入为MCOLOR
#制作一些说明性的假数据：
x=np.arange（0，np.pi，0.1）
y=np.arange（0，2*np.pi，0.1）
十、 Y=np.meshgrid（X，Y）
Z=np.cos（X）*np.sin（Y）*10
颜色=[（1,0,0），（0,1,0），（0,0,1）]\R->G->B
n_bin=[3,6,10,100]#将插值离散化为bin
cmap_名称='我的_列表'
图，axs=plt.子批次（2，2，figsize=（9，7））
图子批次调整（左=0.02，下=0.06，右=0.95，上=0.94，wspace=0.05）
对于n_-bin，ax-in-zip（n_-bin，axs.ravel（））：
#创建颜色映射
cm=LinearSegmentedColormap.from_列表（cmap_名称、颜色，N=N_bin）
#更少的容器将导致“更粗糙”的colomap插值
im=ax.imshow（Z，插值为最近，原点为较低，cmap=cm）
ax.set\u title（“N个料仓：%s”%N\u料仓）
cax，cbar\u kwds=mcbar.make\u轴（ax，位置='右'，
分数=0.15，收缩=0.5，纵横比=20）
cbar=mcbar.colorbase（cax，cmap=cm，
norm=mcolors.Normalize（clip=False），
α=无，
值=无，
边界=无，
方向为“垂直”，位置为“自动”，延伸为“两个”，
滴答声=n_桶，
格式=ticker.FormatStrFormatter（'%.2f'），
付款人=假，
填充=真，
extendfrac=None，
extendrect=False，label='my label'）
如果n_bin这个问题可能有点老了，但是我找到了另一个解决方案，它可以帮助那些不愿意为ColorbarBase类手动创建colorbar轴的人

下面的解决方案使用matplotlib.colorbar.make_axes类从给定轴创建从属子_轴。然后可以为ColorbarBase类提供子_轴，以创建colorbar

该代码源自中描述的matplotlib代码示例

下面是一段代码：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
import matplotlib.colorbar as mcbar
from matplotlib import ticker
import matplotlib.colors as mcolors


# Make some illustrative fake data:

x = np.arange(0, np.pi, 0.1)
y = np.arange(0, 2 * np.pi, 0.1)
X, Y = np.meshgrid(x, y)
Z = np.cos(X) * np.sin(Y) * 10


colors = [(1, 0, 0), (0, 1, 0), (0, 0, 1)]  # R -> G -> B

n_bins = [3, 6, 10, 100]  # Discretizes the interpolation into bins

cmap_name = 'my_list'


fig, axs = plt.subplots(2, 2, figsize=(9, 7))
fig.subplots_adjust(left=0.02, bottom=0.06, right=0.95, top=0.94, wspace=0.05)
for n_bin, ax in zip(n_bins, axs.ravel()):
    # Create the colormap
    cm = LinearSegmentedColormap.from_list(cmap_name, colors, N=n_bin)
    # Fewer bins will result in "coarser" colomap interpolation
    im = ax.imshow(Z, interpolation='nearest', origin='lower', cmap=cm)
    ax.set_title("N bins: %s" % n_bin)

    cax, cbar_kwds = mcbar.make_axes(ax, location = 'right',
                              fraction=0.15, shrink=0.5, aspect=20)




    cbar = mcbar.ColorbarBase(cax, cmap=cm, 
                              norm=mcolors.Normalize(clip=False), 
                              alpha=None, 
                              values=None, 
                              boundaries=None, 
                        orientation='vertical', ticklocation='auto', extend='both', 
                        ticks=n_bins, 
                        format=ticker.FormatStrFormatter('%.2f'), 
                        drawedges=False, 
                        filled=True, 
                        extendfrac=None, 
                        extendrect=False, label='my label')




    if n_bin <= 10:
        cbar.locator = ticker.MaxNLocator(n_bin) 
        cbar.update_ticks()

    else:
        cbar.locator = ticker.MaxNLocator(5) 
        cbar.update_ticks()


fig.show()

将numpy导入为np
将matplotlib.pyplot作为plt导入
从matplotlib.colors导入LinearSegmentedColormap
将matplotlib.colorbar作为mcbar导入
从matplotlib导入代码
将matplotlib.colors导入为MCOLOR
#制作一些说明性的假数据：
x=np.arange（0，np.pi，0.1）
y=np.arange（0，2*np.pi，0.1）
十、 Y=np.meshgrid（X，Y）
Z=np.cos（X）*np.sin（Y）*10
颜色=[（1,0,0），（0,1,0），（0,0,1）]\R->G->B
n_bin=[3,6,10,100]#将插值离散化为bin
cmap_名称='我的_列表'
图，axs=plt.子批次（2，2，figsize=（9，7））
图子批次调整（左=0.02，下=0.06，右=0.95，上=0.94，wspace=0.05）
对于n_-bin，ax-in-zip（n_-bin，axs.ravel（））：
#创建颜色映射
cm=LinearSegmentedColormap.from_列表（cmap_名称、颜色，N=N_bin）
#更少的容器将导致“更粗糙”的colomap插值
im=ax.imshow（Z，插值为最近，原点为较低，cmap=cm）
ax.set\u title（“N个料仓：%s”%N\u料仓）
cax，cbar\u kwds=mcbar.make\u轴（ax，位置='右'，
分数=0.15，收缩=0.5，纵横比=20）
cbar=mcbar.colorbase（cax，cmap=cm，
norm=mcolors.Normalize（clip=False），
α=无，
值=无，
边界=无，
方向为“垂直”，位置为“自动”，延伸为“两个”，
滴答声=n_桶，
格式=ticker.FormatStrFormatter（'%.2f'），
付款人=假，
填充=真，
extendfrac=None，
extendrect=False，label='my label'）
如果n_bin，则颜色条似乎占据了给定给它的整个
轴，因此减小其大小的唯一方法是