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

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。收缩关键字是可选的，可以调整颜色条的大小。

如果没有指定vmin和vmax，该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，上述方法只扫描作为颜色条最小和最大值参数的图像。

结果:

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()

请注意，即使值的范围是由vmin和vmax设置的，颜色范围也将由最后绘制的图像(产生im的图像)设置。例如，如果另一个图具有更高的最大值，则比im的最大值更高的点将以统一的颜色显示。

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。使用一个合理的长宽比来显示图像大小是有帮助的，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函数提供了收缩参数，这是一个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)

这个解决方案不需要手动调整轴位置或颜色条大小，适用于多行和单行布局，并适用于tight_layout()。它改编自一个图库示例，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()

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()

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

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。收缩关键字是可选的，可以调整颜色条的大小。

如果没有指定vmin和vmax，该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，上述方法只扫描作为颜色条最小和最大值参数的图像。

结果: