最简且健壮的方法是使用 MaxNLocator(integer=True)，它自动选择视觉舒适的整数刻度，适配动态数据范围和图窗缩放，避免手动设 ticks 的越界、坐标错位及不响应重绘等问题。

colorbar 刻度强制为整数的最简方法

直接用 plt.colorbar(..., ticks=range(int(vmin), int(vmax)+1)) 最快，但前提是数据范围不大、且你已知 vmin 和 vmax。更稳妥的做法是让 matplotlib 自动算出合适的整数刻度，避免硬编码。

• 先获取当前 colorbar 的 ax（或通过 im.colorbar 拿到 Colorbar 对象）
• 调用 cbar.set_ticks(np.arange(int(cbar.vmin), int(cbar.vmax)+1))，但注意：若 vmin/vmax 是浮点（比如 0.2–4.8），int()

  

  会截断，应改用 np.floor 和 np.ceil
• 更推荐用 MaxNLocator(integer=True)，它能自动适配显示区域宽度，避免刻度挤成一团

用 MaxNLocator(integer=True) 控制 colorbar 刻度

这是最健壮的方式，尤其适合动态数据或不确定范围的图。它不强行塞满所有整数，而是选“视觉上舒服的整数位置”，同时严格保证每个 tick 都是整数。

• 导入：from matplotlib.ticker import MaxNLocator
• 画完 colorbar 后加一句：cbar.ax.yaxis.set_major_locator(MaxNLocator(integer=True))（竖直 colorbar）或 cbar.ax.xaxis.set_major_locator(...)（水平）
• 如果想限制最多显示 6 个刻度，传参 MaxNLocator(integer=True, nbins=6)
• 注意：该方式对极小范围（如 vmin=1.9, vmax=2.1）可能只显示一个 tick（2），这是正常行为，不是 bug

为什么 set_ticks([...]) 容易出错

手动传整数列表看似直接，但实际常踩三个坑：

• 传入的 list 若超出 colorbar 数据范围（比如 vmin=0.5, vmax=3.2 却传 [0,1,2,3,4]），matplotlib 会静默忽略越界值，导致顶部/底部无刻度线
• 若数据是 log scale 或自定义 norm，set_ticks 传的仍是数据值，但 colorbar 内部坐标已变换，容易错位
• resize 图窗后，手动设置的 ticks 不会自动重排，而 MaxNLocator 会响应

完整可运行示例

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import MaxNLocator
data = np.random.randn(10, 10) * 2 + 1.5  # 均值约 1.5，范围大致 -2~5
im = plt.imshow(data, cmap='viridis')
cbar = plt.colorbar(im)
关键：强制整数刻度
cbar.ax.yaxis.set_major_locator(MaxNLocator(integer=True))
plt.show()

这行 cbar.ax.yaxis.set_major_locator(...) 是核心，其余都是常规绘图。如果 colorbar 是水平的（orientation='horizontal'），把 yaxis 换成 xaxis 即可。

真正要注意的是：别在 plt.colorbar(..., ticks=[...]) 里硬写死列表，除非你确定数据范围永远不变；动态场景下，MaxNLocator(integer=True) 才是那个“设一次就忘掉”的解法。