Eu tenho o seguinte código:

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()

Portanto, isso produz um gráfico dos valores 'v' nos eixos X vs Y, usando o mapa de cores especificado. Os eixos X e Y são perfeitos, mas o mapa de cores se espalha entre o mínimo e o máximo de v. Gostaria de forçar o mapa de cores a variar entre 0 e 1.

Eu pensei em usar:

plt.axis(...)

Para definir os intervalos dos eixos, mas isso leva apenas argumentos para o mínimo e o máximo de X e Y, não o mapa de cores.

Editar:

Para maior clareza, digamos que eu tenho um gráfico cujos valores variam (0 ... 0,3) e outro gráfico cujos valores (0,2 ... 0,8).

Nos dois gráficos, desejarei que o intervalo da barra de cores seja (0 ... 1). Nos dois gráficos, desejo que esse intervalo de cores seja idêntico usando o intervalo completo de cdict acima (portanto, 0,25 nos dois gráficos terá a mesma cor). No primeiro gráfico, todas as cores entre 0,3 e 1,0 não aparecerão no gráfico, mas sim na tecla da barra de cores ao lado. No outro, todas as cores entre 0 e 0,2 e entre 0,8 e 1 não aparecerão no gráfico, mas na barra de cores ao lado.

Usando vmine vmaxforça o intervalo para as cores. Aqui está um exemplo:

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()

Use a função CLIM (equivalente à função CAXIS no MATLAB):

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

Não tenho certeza se essa é a solução mais elegante (usei isso), mas você pode dimensionar seus dados para o intervalo entre 0 e 1 e modificar a barra de cores:

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)

Com os dois limites diferentes, você pode controlar o alcance e a legenda da barra de cores. Neste exemplo, apenas o intervalo entre -0,5 e 1,5 é exibido na barra, enquanto o mapa de cores cobre -2 a 2 (portanto, esse pode ser o intervalo de dados que você registra antes da escala).

Portanto, em vez de dimensionar o mapa de cores, você dimensiona seus dados e ajusta a barra de cores a isso.

Usando o ambiente de figura e .set_clim ()

Poderia ser mais fácil e segura essa alternativa se você tiver vários gráficos:

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()

Uma única barra de cores

A melhor alternativa é usar uma barra de cores única para toda a plotagem. Existem diferentes maneiras de fazer isso, este tutorial é muito útil para entender a melhor opção. Prefiro esta solução que você pode simplesmente copiar e colar em vez da parte anterior do código na barra de cores visualizada .

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

Eu sugeriria usar em pcolormeshvez de, pcolorporque é mais rápido (mais informações aqui ).