（我知道这是一个老问题，但是...）Colorbars需要一个matplotlib.cm.ScalarMappable，plt.plot产生的线不是标量可Map的，因此，为了制作一个colorbar，我们需要制作一个标量可Map的。
好的。所以ScalarMappable的构造函数接受一个cmap和一个norm示例。（norms将数据缩放到0-1的范围，cmaps您已经使用过，并接受0-1之间的数字并返回颜色）。所以在您的例子中：

import matplotlib.pyplot as plt
sm = plt.cm.ScalarMappable(cmap=my_cmap, norm=plt.normalize(min=0, max=1))
plt.colorbar(sm)

由于您的数据已经在0-1的范围内，因此可以将sm的创建简化为：

sm = plt.cm.ScalarMappable(cmap=my_cmap)

编辑：matplotlib v1.2或更高版本的代码变为：

import matplotlib.pyplot as plt
sm = plt.cm.ScalarMappable(cmap=my_cmap, norm=plt.normalize(vmin=0, vmax=1))
# fake up the array of the scalar mappable. Urgh...
sm._A = []
plt.colorbar(sm)

编辑：matplotlib v1.3或更高版本的代码变为：

import matplotlib.pyplot as plt
sm = plt.cm.ScalarMappable(cmap=my_cmap, norm=plt.Normalize(vmin=0, vmax=1))
# fake up the array of the scalar mappable. Urgh...
sm._A = []
plt.colorbar(sm)

编辑：matplotlib v3.1以上版本简化为：

import matplotlib.pyplot as plt
sm = plt.cm.ScalarMappable(cmap=my_cmap, norm=plt.Normalize(vmin=0, vmax=1))
plt.colorbar(sm)

这里有一种方法可以在使用plt.plot（）的同时完成这个任务，基本上，你可以做一个一次性的图，然后从那里得到颜色条。

import matplotlib as mpl
import matplotlib.pyplot as plt

min, max = (-40, 30)
step = 10

# Setting up a colormap that's a simple transtion
mymap = mpl.colors.LinearSegmentedColormap.from_list('mycolors',['blue','red'])

# Using contourf to provide my colorbar info, then clearing the figure
Z = [[0,0],[0,0]]
levels = range(min,max+step,step)
CS3 = plt.contourf(Z, levels, cmap=mymap)
plt.clf()

# Plotting what I actually want
X=[[1,2],[1,2],[1,2],[1,2]]
Y=[[1,2],[1,3],[1,4],[1,5]]
Z=[-40,-20,0,30]
for x,y,z in zip(X,Y,Z):
    # setting rgb color based on z normalized to my range
    r = (float(z)-min)/(max-min)
    g = 0
    b = 1-r
    plt.plot(x,y,color=(r,g,b))
plt.colorbar(CS3) # using the colorbar info I got from contourf
plt.show()

这有点浪费，但很方便。如果你制作多个图，这也不是很浪费，因为你可以调用plt.colorbar（）而不重新生成它的信息。

下面是一个稍微简单的例子，灵感来自于Boris和Hooked给出的最佳答案（谢谢你的好主意！）：

1.离散彩条

离散colorbar更复杂，因为mpl.cm.get_cmap()生成的colormap不是colorbar()参数所需的可Map图像。需要生成一个dummie可Map图像，如下所示：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

n_lines = 5
x = np.linspace(0, 10, 100)
y = np.sin(x[:, None] + np.pi * np.linspace(0, 1, n_lines))
c = np.arange(1, n_lines + 1)

cmap = mpl.cm.get_cmap('jet', n_lines)

fig, ax = plt.subplots(dpi=100)
# Make dummie mappable
dummie_cax = ax.scatter(c, c, c=c, cmap=cmap)
# Clear axis
ax.cla()
for i, yi in enumerate(y.T):
    ax.plot(x, yi, c=cmap(i))
fig.colorbar(dummie_cax, ticks=c)
plt.show();

这将生成一个带有离散色条的图：

2.连续色条

连续色条较少涉及，因为mpl.cm.ScalarMappable()允许我们获得colorbar()的“图像”。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

n_lines = 5
x = np.linspace(0, 10, 100)
y = np.sin(x[:, None] + np.pi * np.linspace(0, 1, n_lines))
c = np.arange(1, n_lines + 1)

norm = mpl.colors.Normalize(vmin=c.min(), vmax=c.max())
cmap = mpl.cm.ScalarMappable(norm=norm, cmap=mpl.cm.jet)
cmap.set_array([])

fig, ax = plt.subplots(dpi=100)
for i, yi in enumerate(y.T):
    ax.plot(x, yi, c=cmap.to_rgba(i + 1))
fig.colorbar(cmap, ticks=c)
plt.show();

这将生成一个带有连续色条的图：

**[旁注]**在这个例子中，我个人不知道为什么cmap.set_array([])是必要的（否则我们会得到错误消息）。如果有人了解幕后的原理，请评论：）

由于这里的其他答案尝试使用虚拟图，这不是真正的好风格，这里是一个通用的代码

离散彩条

离散色条的生成方式与连续色条的生成方式相同，只是使用了不同的Normalization。在这种情况下，应该使用BoundaryNorm。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors

n_lines = 5
x = np.linspace(0, 10, 100)
y = np.sin(x[:, None] + np.pi * np.linspace(0, 1, n_lines))
c = np.arange(1., n_lines + 1)

cmap = plt.get_cmap("jet", len(c))
norm = matplotlib.colors.BoundaryNorm(np.arange(len(c)+1)+0.5,len(c))
sm = plt.cm.ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])  # this line may be ommitted for matplotlib >= 3.1

fig, ax = plt.subplots(dpi=100)
for i, yi in enumerate(y.T):
    ax.plot(x, yi, c=cmap(i))
fig.colorbar(sm, ticks=c)
plt.show()