使用vmin和vmax强制颜色的范围。下面是一个例子：

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()

使用CLIM函数（相当于MATLAB中的CAXIS函数）：

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

不确定这是否是最优雅的解决方案（这是我使用的），但你可以将数据缩放到0到1之间，然后修改颜色条：

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)

使用两个不同的限制，您可以控制颜色条的范围和图例。在本例中，栏中仅显示-0.5到1.5之间的范围，而颜色Map覆盖-2到2（因此这可能是您的数据范围，您在缩放之前记录该范围）。
因此，不是缩放颜色Map，而是缩放数据并使颜色条适合它。

使用图环境和.set_clim（）

如果您有多个图，此替代方案可能更容易和更安全：

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()

单个颜色条

最好的替代方法是对整个图使用单个颜色条。有不同的方法可以做到这一点，this教程对于理解最佳选择非常有用。我更喜欢这个解决方案，你可以简单地复制和粘贴，而不是以前的可视化colorbar部分的代码。

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)

附言

我建议使用pcolormesh而不是pcolor，因为它更快（更多的infos here）。

colorbar范围也可以通过在pcolormesh/pcolor调用中向clim= kwarg传递元组来设置。

plt.pcolormesh(X, Y, v, cmap=cm, clim=(-4, 4))

如果在pcolormesh调用之后必须更新colorbar范围，那么最简单的方法是plt.clim，正如其他人所提到的那样。另一种方法是通过pcolormesh/pcolor调用创建的QuadMesh/PolyCollection对象的colors.Normalize对象。

pmesh = plt.pcolormesh(X, Y, v, cmap=cm)
pmesh.norm.autoscale([-4, 4])

顺便说一下，Quadmesh驻留在Axes示例的collections中，因此如果pcolormesh的结果没有分配给变量，则也可以使用pmesh = plt.gca().collections[0]。
使用tom10's setup，可以写成如下形式。

import matplotlib as mpl
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 = mpl.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

X, Y = np.meshgrid(*[np.arange(0, 10, .1)]*2)

data = 2*(np.sin(X) + np.sin(3*Y))

pairs = [(lambda x:x, "all"), 
         (lambda x:np.clip(x, -4, 0), "<0"), 
         (lambda x:np.clip(x, 0, 4), ">0")]

fig, axs = plt.subplots(1, 3)
for i, (f, title) in enumerate(pairs):
    pmesh = axs[i].pcolormesh(X, Y, f(data), cmap=cm, clim=(-4, 4))
    #                                                 ^^^^^^^^^^^^  <---- set vmin and vmax
    axs[i].set_title(title)
    fig.colorbar(pmesh)

fig.tight_layout();

在图的右侧附加一个颜色条可能会更“漂亮”，而不是为多个子图添加重复的颜色条。@ GM已经提出了一种解决方案，该解决方案通过对颜色条边界进行硬编码来实现，但是可以通过使用定义为here的函数来动态地设置边界。
对于手头的示例，其可以写成如下。

fig, axs = plt.subplots(1, 3)
for i, (f, title) in enumerate(pairs):
    axs[i].pcolormesh(X, Y, f(data), cmap=cm, clim=(-4, 4))
    axs[i].set_title(title)

l, b, w, h = axs[-1].get_position().bounds
cax = fig.add_axes([l + w + 0.03, b, 0.03, h])
fig.colorbar(axs[-1].collections[0], cax=cax)