使用matplotlib AxisDivider可以很容易地做到这一点。

链接页面中的例子也可以不使用子图:

import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import make_axes_locatable
import numpy as np
    
plt.figure()
ax = plt.gca()
im = ax.imshow(np.arange(100).reshape((10,10)))
    
# create an axes on the right side of ax. The width of cax will be 5%
# of ax and the padding between cax and ax will be fixed at 0.05 inch.
divider = make_axes_locatable(ax)
cax = divider.append_axes("right", size="5%", pad=0.05)
   
plt.colorbar(im, cax=cax)

上面所有的解决方案都很好，但我喜欢@Steve的和@bejota的最好，因为它们不涉及花哨的调用，而且是通用的。

所谓通用，我的意思是它适用于任何类型的轴，包括GeoAxes。例如，如果你有投影轴进行映射:

projection = cartopy.crs.UTM(zone='17N')
ax = plt.axes(projection=projection)
im = ax.imshow(np.arange(200).reshape((20, 10)))

呼叫

cax = divider.append_axes("right", size=width, pad=pad)

将失败的KeyException: map_projection

因此，处理所有类型轴的颜色条大小的唯一通用方法是:

ax.colorbar(im, fraction=0.046, pad=0.04)

使用0.035到0.046的分数来获得最佳尺寸。但是，分数和填充的值将需要进行调整，以获得最适合您的绘图，并且将根据颜色条的方向是垂直位置还是水平位置而有所不同。

另一种选择是

shrink=0.7, aspect=20*0.7

收缩缩放高度和宽度，但aspect参数恢复原始宽度。默认长宽比为20。0.7是根据经验确定的。

如果不想声明另一组轴，我找到的最简单的解决方案是使用figsize调用更改图形大小。

在上面的例子中，我将从

fig = plt.figure(figsize = (12,6))

然后用不同的比例重新渲染，直到颜色条不再使主要情节相形见绌。

我很欣赏上面所有的答案。然而，就像一些回答和评论指出的那样，axes_grid1模块不能处理GeoAxes，而调整分数、填充、收缩和其他类似参数不一定能给出非常精确的顺序，这真的让我很困扰。我相信给颜色条自己的轴可能是一个更好的解决方案，以解决所有已经提到的问题。

Code

import matplotlib.pyplot as plt
import numpy as np

fig=plt.figure()
ax = plt.axes()
im = ax.imshow(np.arange(100).reshape((10,10)))

# Create an axes for colorbar. The position of the axes is calculated based on the position of ax.
# You can change 0.01 to adjust the distance between the main image and the colorbar.
# You can change 0.02 to adjust the width of the colorbar.
# This practice is universal for both subplots and GeoAxes.

cax = fig.add_axes([ax.get_position().x1+0.01,ax.get_position().y0,0.02,ax.get_position().height])
plt.colorbar(im, cax=cax) # Similar to fig.colorbar(im, cax = cax)

结果

后来，我发现matplotlib.pyplot.colorbar官方文档也提供了ax选项，这是现有的轴，将为颜色条提供空间。因此，它对多个子图是有用的，见下面。

Code

fig, ax = plt.subplots(2,1,figsize=(12,8)) # Caution, figsize will also influence positions.
im1 = ax[0].imshow(np.arange(100).reshape((10,10)), vmin = -100, vmax =100)
im2 = ax[1].imshow(np.arange(-100,0).reshape((10,10)), vmin = -100, vmax =100)
fig.colorbar(im1, ax=ax)

结果

同样，您也可以通过指定cax来实现类似的效果，从我的角度来看，这是一种更准确的方法。

Code

fig, ax = plt.subplots(2,1,figsize=(12,8))
im1 = ax[0].imshow(np.arange(100).reshape((10,10)), vmin = -100, vmax =100)
im2 = ax[1].imshow(np.arange(-100,0).reshape((10,10)), vmin = -100, vmax =100)
cax = fig.add_axes([ax[1].get_position().x1-0.25,ax[1].get_position().y0,0.02,ax[0].get_position().y1-ax[1].get_position().y0])
fig.colorbar(im1, cax=cax)

结果

我最近遇到了这个问题，我使用ax.twinx()来解决它。例如:

from matplotlib import pyplot as plt

# Some other code you've written
...

# Your data generation goes here
xdata = ...
ydata = ...
colordata = function(xdata, ydata)

# Your plotting stuff begins here
fig, ax = plt.subplots(1)
im = ax.scatterplot(xdata, ydata, c=colordata)

# Create a new axis which will be the parent for the colour bar
# Note that this solution is independent of the 'fig' object
ax2 = ax.twinx()
ax2.tick_params(which="both", right=False, labelright=False)

# Add the colour bar itself
plt.colorbar(im, ax=ax2)

# More of your code
...

plt.show()

我发现这在创建将matplotlib Axes对象作为参数、在它们上绘图并返回对象的函数时特别有用，因为这样我就不需要传入必须从图形对象生成的单独轴，也不需要传入图形对象本身。