实现colorbar自由还是得靠自己啊：
官方文档：/devdocs/api/_as_gen/matplotlib.colors.LinearSegmentedColormap.html?highlight=colors%20linearsegmentedcolormap%20from_list#matplotlib.colors.LinearSegmentedColormap.from_list
第一眼看到这个cdict真的挺晕的，不过仔细分析就很容易看明白啦。
首先，这里用的是RGB来调色 以’red’为例，我们来看看这个3*3的矩阵，每行的三个数字分别对应为x，y0和y1，x代表了这个颜色在colorbar上的位置，比如0就是colorbar的最小值，1是colorbar的最大值，所以x必须单调增加；然后其实真的需要看的就是每一行的y1和下一行的y0，这个函数其实就是在对应的x位置将y1-y0进行了差值（如上图所示），所以说，第一行的y0和第三行的y1其实设置为多少都不影响最终的结果，因为第一行的y0没有对应的上一行的y1，最后一行的y0没有对应下一行的y0，所以这俩数就是来占位的，明白了这一点这个矩阵应该就明白了。
下面是两个例子供大家理解：
import matplotlib as mplimport numpy as npimport matplotlib.pyplot as plttem = np.zeros((100,100))tem[:]=np.nancdict = {'red': [(0.0, 0.0, 0.0),(0.5, 0.5, 0.5),(1.0, 1.0, 0.0)],'green': [(0.0, 0.0, 0.0),(0.5, 0.0, 0.0),(1.0, 0.0, 0.0)],'blue': [(0.0, 0.0, 0.0),(0.5, 0.0, 0.0),(1.0, 0.0, 0.0)]}cmap = mpl.colors.LinearSegmentedColormap('cmap', cdict, 256)plt.imshow(tem,cmap = cmap)plt.colorbar()
import matplotlib as mplimport numpy as npimport matplotlib.pyplot as plttem = np.zeros((100,100))tem[:]=np.nancdict = {'red': [(0.0, 0.0, 0.0),(0.5, 1.0, 0.0),(1.0, 1.0, 0.0)],'green': [(0.0, 0.0, 0.0),(0.5, 0.0, 0.0),(1.0, 0.0, 0.0)],'blue': [(0.0, 0.0, 0.0),(0.5, 0.0, 0.0),(1.0, 0.0, 0.0)]}cmap = mpl.colors.LinearSegmentedColormap('cmap', cdict, 256)plt.imshow(tem,cmap = cmap)plt.colorbar(orientation = 'horizontal')
除了用cdict来定义colorbar，我们还可以使用颜色列表来定义，mpl会自动对这些颜色列表进行插值，我认为也是很好用的，比如说我认为bwr这个色条两端颜色太深了，我就可以选出来中间的一段色条重新构建colorbar：
import matplotlib as mplimport numpy as npimport matplotlib.pyplot as plttem = np.zeros((100,100))tem[:]=np.nancmap0=plt.get_cmap('bwr',12)bwr_10 = mpl.colors.LinearSegmentedColormap.from_list('bwr_10', cmap0(np.arange(1,11)), 10)#The number of rgb quantization levels.如果想要分级的colorbar，这里的数值就和级数相同即可#如果想要连续的这里就调成255肉眼就看不出来了plt.imshow(tem,cmap = 'bwr')plt.colorbar(orientation = 'horizontal')plt.imshow(tem,cmap = bwr_10)plt.colorbar(orientation = 'horizontal')
bwr：
bwr_10:
