多个子图共享一个colorbar需统一vmin/vmax并绑定到figure：先计算全局极值，绘图时显式传入；最后用fig.colorbar(im, ax=axes.tolist())一次性创建，确保刻度准确对应各图数据。
多个子图共享一个 colorbar，关键在于把 colorbar 绑定到整个 figure 而非单个 axes，并确保所有子图使用相同的 normalization（如 vmin/vmax）和 colormap。
统一设置归一化范围
所有子图必须用相同的 vmin 和 vmax，否则 colorbar 刻度无法准确对应各图数据。推荐显式指定，而不是依赖自动缩放：
- 先计算所有子图数据的全局最小/最大值（例如
np.min([data1, data2, data3])） - 绘图时统一传入：
imshow(data, vmin=vmin_all, vmax=vmax_all, cmap='viridis')
- 避免用
plt.colorbar()在每个子图上调用——这会生成多个独立 colorbar
用 plt.colorbar() 指定父 axes 或 figure
在所有子图绘制完成后，调用一次 plt.colorbar()，并传入 mappable（通常是最后一个 imshow 返回的对象）和 ax 参数控制位置：
- 让 colorbar 横跨整个 figure 底部：
plt.colorbar(im, ax=axes, shrink=0.8, aspect=40)（axes是包含所有子图的 ndarray） - 更灵活的方式是用
fig.colorbar()并指定location和fraction：fig.colorbar(im, ax=axes.tolist(), location='right', shrink=0.6) -
ax=axes.tolist()告诉 colorbar 参考全部子图的布局，从而自动调整尺寸和位置
手动控制 colorbar 位置（可选进阶）
当默认布局不理想（比如子图太窄、colorbar 被截断），可用 plt.axes() 创建独立 colorbar axes：
- 例如：
cax = plt.axes([0.85, 0.15, 0.02, 0.7])（[left, bottom, width, height]） - 再调用：
plt.colorbar(im, cax=cax) - 注意：此时要确保
im是某个子图的 mappable 对象，且所有子图仍共用同一vmin/vmax
不复杂但容易忽略的是归一化一致性——只要数据范围统一、colorbar 绑定到整体布局，共享就自然成立。
