只需将颜色条放在它自己的轴上，并使用subplots_adjust为它腾出空间。

举个简单的例子:

import numpy as np
import matplotlib.pyplot as plt


fig, axes = plt.subplots(nrows=2, ncols=2)
for ax in axes.flat:
im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)


fig.subplots_adjust(right=0.8)
cbar_ax = fig.add_axes([0.85, 0.15, 0.05, 0.7])
fig.colorbar(im, cax=cbar_ax)


plt.show()

注意，即使值的范围是由vmin和vmax设置的，颜色范围也将由绘制的最后一张图像(产生im)设置。例如，如果另一个图形具有更高的最大值，则值高于im的最大值的点将以统一的颜色显示。

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


fig, axes = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
for ax in axes.flat:
im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)


cax,kw = mpl.colorbar.make_axes([ax for ax in axes.flat])
plt.colorbar(im, cax=cax, **kw)


plt.show()

.

斧头

没有|父轴对象，其中新的色条轴的空间将被窃取。如果给出了坐标轴列表，它们将全部调整大小，以便为颜色条坐标轴腾出空间。

import numpy as np
import matplotlib.pyplot as plt


fig, axes = plt.subplots(nrows=2, ncols=2)
for ax in axes.flat:
im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)


fig.colorbar(im, ax=axes.ravel().tolist())


plt.show()

abevieiramota使用坐标轴列表的解决方案非常有效，直到你只使用一行图像，正如评论中指出的那样。为figsize使用合理的纵横比是有帮助的，但还远远不够完美。例如:

import numpy as np
import matplotlib.pyplot as plt


fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(9.75, 3))
for ax in axes.flat:
im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)


fig.colorbar(im, ax=axes.ravel().tolist())


plt.show()

colorbar函数提供了shrink参数，它是颜色条轴大小的缩放因子。这确实需要一些手工试验和错误。例如:

fig.colorbar(im, ax=axes.ravel().tolist(), shrink=0.75)

此解决方案不需要手动调整轴位置或颜色条大小，适用于多行而且单行布局，并适用于tight_layout()。它改编自画廊的例子，使用了matplotlib的AxesGrid工具箱中的ImageGrid。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid


# Set up figure and image grid
fig = plt.figure(figsize=(9.75, 3))


grid = ImageGrid(fig, 111,          # as in plt.subplot(111)
nrows_ncols=(1,3),
axes_pad=0.15,
share_all=True,
cbar_location="right",
cbar_mode="single",
cbar_size="7%",
cbar_pad=0.15,
)


# Add data to image grid
for ax in grid:
im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)


# Colorbar
ax.cax.colorbar(im)
ax.cax.toggle_label(True)


#plt.tight_layout()    # Works, but may still require rect paramater to keep colorbar labels visible
plt.show()

作为一个无意中发现这个线程的初学者，我想添加一个python-for-dummies对abevieiramota的非常简洁的回答的改编(因为我处于必须查找'ravel'才能弄清楚他们的代码在做什么的水平):

import numpy as np
import matplotlib.pyplot as plt


fig, ((ax1,ax2,ax3),(ax4,ax5,ax6)) = plt.subplots(2,3)


axlist = [ax1,ax2,ax3,ax4,ax5,ax6]


first = ax1.imshow(np.random.random((10,10)), vmin=0, vmax=1)
third = ax3.imshow(np.random.random((12,12)), vmin=0, vmax=1)


fig.colorbar(first, ax=axlist)


plt.show()

更少的python，更容易让像我这样的新手看到这里到底发生了什么。

正如在其他回答中指出的那样，这个想法通常是为颜色条定义一个轴。有很多种方法可以做到这一点;一个还没有提到的方法是在子图创建时使用plt.subplots()直接指定色条轴。优点是轴的位置不需要手动设置，在所有情况下，自动方面的颜色条将与子图的高度完全相同。即使在使用图像的许多情况下，结果也会令人满意，如下所示。

当使用plt.subplots()时，使用gridspec_kw参数允许使色条轴比其他轴小得多。

fig, (ax, ax2, cax) = plt.subplots(ncols=3,figsize=(5.5,3),
gridspec_kw={"width_ratios":[1,1, 0.05]})

例子:

import matplotlib.pyplot as plt
import numpy as np; np.random.seed(1)


fig, (ax, ax2, cax) = plt.subplots(ncols=3,figsize=(5.5,3),
gridspec_kw={"width_ratios":[1,1, 0.05]})
fig.subplots_adjust(wspace=0.3)
im  = ax.imshow(np.random.rand(11,8), vmin=0, vmax=1)
im2 = ax2.imshow(np.random.rand(11,8), vmin=0, vmax=1)
ax.set_ylabel("y label")


fig.colorbar(im, cax=cax)


plt.show()

如果图的方面是自动缩放的，或者图像由于它们在宽度方向上的方面而收缩(如上所示)，那么这种方法工作得很好。然而，如果图像是宽的，然后是高的，结果将是如下所示，这可能是不希望看到的。

将颜色条的高度固定到子图的高度的一个解决方案是使用mpl_toolkits.axes_grid1.inset_locator.InsetPosition来设置相对于图像子图轴的色条轴。

import matplotlib.pyplot as plt
import numpy as np; np.random.seed(1)
from mpl_toolkits.axes_grid1.inset_locator import InsetPosition


fig, (ax, ax2, cax) = plt.subplots(ncols=3,figsize=(7,3),
gridspec_kw={"width_ratios":[1,1, 0.05]})
fig.subplots_adjust(wspace=0.3)
im  = ax.imshow(np.random.rand(11,16), vmin=0, vmax=1)
im2 = ax2.imshow(np.random.rand(11,16), vmin=0, vmax=1)
ax.set_ylabel("y label")


ip = InsetPosition(ax2, [1.05,0,0.05,1])
cax.set_axes_locator(ip)


fig.colorbar(im, cax=cax, ax=[ax,ax2])


plt.show()

我注意到几乎每个解决方案都涉及ax.imshow(im, ...)，并且没有规范化显示到颜色条上的多个子图的颜色。im可映射对象取自最后一个实例，但如果多个im-s的值不同怎么办?(我假设这些可映射的处理方式与轮廓集和表面集的处理方式相同。)我有一个例子，下面使用一个3d曲面图，为2x2子图创建两个色条(每行一个色条)。尽管这个问题明确要求不同的安排，但我认为这个例子有助于澄清一些事情。我还没有找到一种方法来使用plt.subplots(...)，因为不幸的3D轴。

.

如果我能以更好的方式定位颜色条就好了……(可能有更好的方法来做到这一点，但至少它应该不会太难遵循。)

import matplotlib
from matplotlib import cm
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D


cmap = 'plasma'
ncontours = 5


def get_data(row, col):
""" get X, Y, Z, and plot number of subplot
Z > 0 for top row, Z < 0 for bottom row """
if row == 0:
x = np.linspace(1, 10, 10, dtype=int)
X, Y = np.meshgrid(x, x)
Z = np.sqrt(X**2 + Y**2)
if col == 0:
pnum = 1
else:
pnum = 2
elif row == 1:
x = np.linspace(1, 10, 10, dtype=int)
X, Y = np.meshgrid(x, x)
Z = -np.sqrt(X**2 + Y**2)
if col == 0:
pnum = 3
else:
pnum = 4
print("\nPNUM: {}, Zmin = {}, Zmax = {}\n".format(pnum, np.min(Z), np.max(Z)))
return X, Y, Z, pnum


fig = plt.figure()
nrows, ncols = 2, 2
zz = []
axes = []
for row in range(nrows):
for col in range(ncols):
X, Y, Z, pnum = get_data(row, col)
ax = fig.add_subplot(nrows, ncols, pnum, projection='3d')
ax.set_title('row = {}, col = {}'.format(row, col))
fhandle = ax.plot_surface(X, Y, Z, cmap=cmap)
zz.append(Z)
axes.append(ax)


## get full range of Z data as flat list for top and bottom rows
zz_top = zz[0].reshape(-1).tolist() + zz[1].reshape(-1).tolist()
zz_btm = zz[2].reshape(-1).tolist() + zz[3].reshape(-1).tolist()
## get top and bottom axes
ax_top = [axes[0], axes[1]]
ax_btm = [axes[2], axes[3]]
## normalize colors to minimum and maximum values of dataset
norm_top = matplotlib.colors.Normalize(vmin=min(zz_top), vmax=max(zz_top))
norm_btm = matplotlib.colors.Normalize(vmin=min(zz_btm), vmax=max(zz_btm))
cmap = cm.get_cmap(cmap, ncontours) # number of colors on colorbar
mtop = cm.ScalarMappable(cmap=cmap, norm=norm_top)
mbtm = cm.ScalarMappable(cmap=cmap, norm=norm_btm)
for m in (mtop, mbtm):
m.set_array([])


# ## create cax to draw colorbar in
# cax_top = fig.add_axes([0.9, 0.55, 0.05, 0.4])
# cax_btm = fig.add_axes([0.9, 0.05, 0.05, 0.4])
cbar_top = fig.colorbar(mtop, ax=ax_top, orientation='vertical', shrink=0.75, pad=0.2) #, cax=cax_top)
cbar_top.set_ticks(np.linspace(min(zz_top), max(zz_top), ncontours))
cbar_btm = fig.colorbar(mbtm, ax=ax_btm, orientation='vertical', shrink=0.75, pad=0.2) #, cax=cax_btm)
cbar_btm.set_ticks(np.linspace(min(zz_btm), max(zz_btm), ncontours))


plt.show()
plt.close(fig)
## orientation of colorbar = 'horizontal' if done by column

为了补充@abevieiramota的精彩答案，你可以用constrained_layout得到等价的tight_layout。如果你使用imshow而不是pcolormesh，你仍然会得到很大的水平间隙，因为imshow施加了1:1的纵横比。

import numpy as np
import matplotlib.pyplot as plt


fig, axes = plt.subplots(nrows=2, ncols=2, constrained_layout=True)
for ax in axes.flat:
im = ax.pcolormesh(np.random.random((10,10)), vmin=0, vmax=1)


fig.colorbar(im, ax=axes.flat)
plt.show()

这个话题已经被很好地涵盖了，但我仍然想在略不同的哲学中提出另一种方法。

它的设置有点复杂，但它允许(在我看来)更多的灵活性。例如，我们可以处理每个子图/色条的比例:

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.gridspec import GridSpec


# Define number of rows and columns you want in your figure
nrow = 2
ncol = 3


# Make a new figure
fig = plt.figure(constrained_layout=True)


# Design your figure properties
widths = [3,4,5,1]
gs = GridSpec(nrow, ncol + 1, figure=fig, width_ratios=widths)


# Fill your figure with desired plots
axes = []
for i in range(nrow):
for j in range(ncol):
axes.append(fig.add_subplot(gs[i, j]))
im = axes[-1].pcolormesh(np.random.random((10,10)))


# Shared colorbar
axes.append(fig.add_subplot(gs[:, ncol]))
fig.colorbar(im, cax=axes[-1])


plt.show()

共享颜色映射而且 colorbar

这是针对更复杂的情况，其中值不只是在0和1之间;cmap需要共享，而不是仅仅使用最后一个cmap。

import numpy as np
from matplotlib.colors import Normalize
import matplotlib.pyplot as plt
import matplotlib.cm as cm
fig, axes = plt.subplots(nrows=2, ncols=2)
cmap=cm.get_cmap('viridis')
normalizer=Normalize(0,4)
im=cm.ScalarMappable(norm=normalizer)
for i,ax in enumerate(axes.flat):
ax.imshow(i+np.random.random((10,10)),cmap=cmap,norm=normalizer)
ax.set_title(str(i))
fig.colorbar(im, ax=axes.ravel().tolist())
plt.show()

.

新增matplotlib 3.4.0

共享颜色条现在可以使用subfigures:实现

新的Figure.subfigures和Figure.add_subfigure允许…本地化的图形艺术家(例如，色条和suptitles)，只属于每个子图。

matplotlib库包括如何绘制子图上的演示。

下面是一个有2个子图的最小示例，每个子图都有一个共享的色条:

fig = plt.figure(constrained_layout=True)
(subfig_l, subfig_r) = fig.subfigures(nrows=1, ncols=2)


axes_l = subfig_l.subplots(nrows=1, ncols=2, sharey=True)
for ax in axes_l:
im = ax.imshow(np.random.random((10, 10)), vmin=0, vmax=1)


# shared colorbar for left subfigure
subfig_l.colorbar(im, ax=axes_l, location='bottom')


axes_r = subfig_r.subplots(nrows=3, ncols=1, sharex=True)
for ax in axes_r:
mesh = ax.pcolormesh(np.random.randn(30, 30), vmin=-2.5, vmax=2.5)


# shared colorbar for right subfigure
subfig_r.colorbar(mesh, ax=axes_r)

上面的答案很棒，但大多数答案都使用fig.colobar()方法应用于fig对象。这个例子展示了如何使用直接应用于pyplot的plt.colobar()函数:

def shared_colorbar_example():
fig, axs = plt.subplots(nrows=3, ncols=3)
for ax in axs.flat:
plt.sca(ax)
color = np.random.random((10))
plt.scatter(range(10), range(10), c=color, cmap='viridis', vmin=0, vmax=1)
plt.colorbar(ax=axs.ravel().tolist(), shrink=0.6)
plt.show()


shared_colorbar_example()

因为上面的大多数答案都演示了在2D矩阵上的使用，所以我使用了一个简单的散点图。shrink关键字是可选的，可以调整颜色条的大小。

如果vmin和vmax未指定，此方法将自动分析所有子图，以获得颜色条上使用的最小值和最大值。当使用fig.colorbar(im)时，上面的方法只扫描作为颜色条的最小值和最大值参数传递的图像。

结果:

.