私は次のコードを持っています：

import matplotlib.pyplot as plt

cdict = {
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

plt.clf()
plt.pcolor(X, Y, v, cmap=cm)
plt.loglog()
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

plt.colorbar()
plt.show()

したがって、指定したカラーマップを使用して、軸XとYの値「v」のグラフを作成します。X軸とY軸は完璧ですが、カラーマップはvの最小値と最大値の間で広がります。カラーマップの範囲を0から1に強制したいと思います。

私は使用を考えました：

plt.axis(...)

軸の範囲を設定しますが、これはXとYの最小値と最大値の引数のみを受け取り、カラーマップは受け取りません。

編集：

わかりやすくするために、値の範囲（0 ... 0.3）のグラフと、値（0.2 ... 0.8）のグラフがあるとします。

どちらのグラフでも、カラーバーの範囲を（0 ... 1）にする必要があります。両方のグラフで、上の範囲の全範囲を使用して、この色の範囲を同一にしたいので（両方のグラフで0.25が同じ色になります）。最初のグラフでは、0.3から1.0までのすべての色がグラフに表示されず、横のカラーバーキーに表示されます。もう1つは、0から0.2まで、および0.8から1までのすべての色がグラフに表示されず、横のカラーバーに表示されます。

を使用vminしvmaxて、色の範囲を強制します。次に例を示します。

import matplotlib as m
import matplotlib.pyplot as plt
import numpy as np

cdict = {
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )

def do_plot(n, f, title):
    #plt.clf()
    plt.subplot(1, 3, n)
    plt.pcolor(X, Y, f(data), cmap=cm, vmin=-4, vmax=4)
    plt.title(title)
    plt.colorbar()

plt.figure()
do_plot(1, lambda x:x, "all")
do_plot(2, lambda x:np.clip(x, -4, 0), "<0")
do_plot(3, lambda x:np.clip(x, 0, 4), ">0")
plt.show()

CLIM関数（MATLABのCAXIS関数に相当）を使用します。

plt.pcolor(X, Y, v, cmap=cm)
plt.clim(-4,4)  # identical to caxis([-4,4]) in MATLAB
plt.show()

これが最もエレガントなソリューションであるかどうかはわかりませんが（これは私が使用したものです）、データを0から1の範囲にスケーリングし、カラーバーを変更できます。

import matplotlib as mpl
...
ax, _ = mpl.colorbar.make_axes(plt.gca(), shrink=0.5)
cbar = mpl.colorbar.ColorbarBase(ax, cmap=cm,
                       norm=mpl.colors.Normalize(vmin=-0.5, vmax=1.5))
cbar.set_clim(-2.0, 2.0)

2つの異なる制限を使用して、カラーバーの範囲と凡例を制御できます。この例では、バーに-0.5〜1.5の範囲のみが表示され、カラーマップは-2〜2をカバーしています（これは、スケーリングの前に記録するデータ範囲である可能性があります）。

したがって、カラーマップをスケーリングする代わりに、データをスケーリングしてカラーバーをそれに合わせます。

フィギュア環境と.set_clim（）の使用

複数のプロットがある場合、この代替手段はより簡単で安全です：

import matplotlib as m
import matplotlib.pyplot as plt
import numpy as np

cdict = {
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )
data1 = np.clip(data,0,6)
data2 = np.clip(data,-6,0)
vmin = np.min(np.array([data,data1,data2]))
vmax = np.max(np.array([data,data1,data2]))

fig = plt.figure()
ax = fig.add_subplot(131)
mesh = ax.pcolormesh(data, cmap = cm)
mesh.set_clim(vmin,vmax)
ax1 = fig.add_subplot(132)
mesh1 = ax1.pcolormesh(data1, cmap = cm)
mesh1.set_clim(vmin,vmax)
ax2 = fig.add_subplot(133)
mesh2 = ax2.pcolormesh(data2, cmap = cm)
mesh2.set_clim(vmin,vmax)
# Visualizing colorbar part -start
fig.colorbar(mesh,ax=ax)
fig.colorbar(mesh1,ax=ax1)
fig.colorbar(mesh2,ax=ax2)
fig.tight_layout()
# Visualizing colorbar part -end

plt.show()

単一のカラーバー

最善の方法は、プロット全体に単一のカラーバーを使用することです。これにはさまざまな方法がありますが、このチュートリアルは最適なオプションを理解するのに非常に役立ちます。私は、コードの以前の視覚化カラーバー部分の代わりに、単にコピーして貼り付けることができるこのソリューションを好みます。

fig.subplots_adjust(bottom=0.1, top=0.9, left=0.1, right=0.8,
                    wspace=0.4, hspace=0.1)
cb_ax = fig.add_axes([0.83, 0.1, 0.02, 0.8])
cbar = fig.colorbar(mesh, cax=cb_ax)

PS

私は使用をお勧めします pcolormeshpcolorより速いので、代わりにます（詳細はこちら）。