在画图的时候加上颜色标尺可以非常方便看出数据的动态变化。以下是几个使用Python中常见的数据可视化库（Matplotlib和Seaborn）创建带有颜色标尺的图表的示例：

带有颜色标尺的散点图

import matplotlib.pyplot as plt
import numpy as np

# 创建一组随机数据
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)  # 随机颜色

# 创建散点图，颜色标尺表示数值
plt.scatter(x, y, c=colors, cmap='viridis', s=100)
plt.colorbar(label='Color Intensity')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot with Color Scale')
plt.show()

示例图：

带有颜色标尺的热图

显示具体数值

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 创建一个随机矩阵作为数据
data = np.random.rand(10, 10)

# 绘制热图，颜色标尺表示数值
sns.heatmap(data, cmap='coolwarm', annot=True, cbar=True)
plt.title('Heatmap with Color Scale')
plt.show()

示例图：

不显示具体数值

如上图所示显示所有的数值会显得图非常繁杂，如果想要隐藏具体的数值只需要改变一个参数即可，即annot=False，但是整体显示出来的效果会很不一样。

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 创建一个随机矩阵作为数据
data = np.random.rand(10, 10)

# 绘制热图，不显示具体数值
sns.heatmap(data, cmap='coolwarm', annot=False, cbar=True)
plt.title('Heatmap with Color Scale (Without Annotations)')
plt.show()

示例图：

带有颜色标尺的轮廓图

import matplotlib.pyplot as plt
import numpy as np

# 创建一个包含等高线数据的网格
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 绘制轮廓图，颜色标尺表示高度
contour = plt.contourf(X, Y, Z, cmap='viridis')
plt.colorbar(contour, label='Height')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Contour Plot with Color Scale')
plt.show()

示例图：