matplotlib.colors.Normalize#
- 类 matplotlib.colors.Normalize(vmin=None, vmax=None, clip=False)[源]#
基类:
object
一个类,当被调用时,它将
[vmin, vmax]
区间内的值线性映射到[0.0, 1.0]
区间。在[vmin, vmax]
范围之外的值的映射取决于 clip 参数。另请参阅
示例
x = [-2, -1, 0, 1, 2] norm = mpl.colors.Normalize(vmin=-1, vmax=1, clip=False) norm(x) # [-0.5, 0., 0.5, 1., 1.5] norm = mpl.colors.Normalize(vmin=-1, vmax=1, clip=True) norm(x) # [0., 0., 0.5, 1., 1.]
- 参数:
- vmin, vmax浮点型或 None
输入数据中
[vmin, vmax]
范围内的值将被线性映射到[0, 1]
。如果未提供 vmin 或 vmax,它们将分别默认为输入的最小值和最大值。- clipbool, 默认值: False
决定映射超出
[vmin, vmax]
范围的值时的行为。如果剪裁关闭,超出
[vmin, vmax]
范围的值也会被转换,导致结果超出[0, 1]
范围。这种行为通常是可取的,因为颜色映射可以为这些 *低于* 和 *高于* 的值标记特定颜色。如果裁剪打开,低于 *vmin* 的值映射为 0,高于 *vmax* 的值映射为 1。这些值将与常规边界值变得无法区分,这可能导致数据误读。
备注
如果
vmin == vmax
,输入数据将被映射到 0。- __call__(value, clip=None)[源]#
归一化数据并返回归一化后的数据。
- 参数:
- 值
要归一化的数据。
- clip布尔型,可选
请参阅
Normalize
中 clip 参数的描述。如果为
None
,则默认为self.clip
(其默认为False
)。
备注
如果尚未初始化,
self.vmin
和self.vmax
将使用self.autoscale_None(value)
进行初始化。
- 属性 clip#
- 静态 process_value(value)[源]#
对输入 value 进行同质化处理,以便于高效归一化。
value 可以是标量或序列。
- 参数:
- 值
要归一化的数据。
- 返回:
- result掩码数组
与 value 具有相同形状的掩码数组。
- is_scalar布尔型
value 是否为标量。
备注
浮点型数据类型将保留;两个字节或更小的整数类型将被转换为 np.float32,更大的类型将被转换为 np.float64。尽可能保留 float32,并使用原地操作,可显著提高大型数组的速度。
- 属性 vmax#
- 属性 vmin#