matplotlib.colors.Normalize#

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

颜色映射归一化

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 vminvmax,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:

要归一化的数据。

clip布尔型,可选

请参阅 Normalizeclip 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.vminself.vmax 将使用 self.autoscale_None(value) 进行初始化。

autoscale(A)[源]#

vminvmax 设置为 A 的最小值和最大值。

autoscale_None(A)[源]#

如果未设置 vminvmax,则使用 A 的最小值/最大值来设置它们。

属性 clip#
inverse(value)[源]#

将归一化值(即色图中的索引)映射回图像数据值。

参数:

归一化值。

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:

要归一化的数据。

返回:
result掩码数组

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。

scaled()[源]#

返回 vminvmax 是否都已设置。

属性 vmax#
属性 vmin#

使用 matplotlib.colors.Normalize 的示例#

色彩映射归一化

色彩映射归一化

色彩映射归一化 SymLogNorm

色彩映射归一化 SymLogNorm

等高线图像

等高线图像

带注释的热力图

带注释的热力图

带掩码值的图像

带掩码值的图像

在二维图像中将透明度与颜色混合

在二维图像中将透明度与颜色混合

多个图像带一个颜色条

多个图像带一个颜色条

pcolor 图像

pcolor 图像

pcolormesh

pcolormesh

将标记属性映射到多变量数据

将标记属性映射到多变量数据

三维中的二维图像

三维中的二维图像

探索归一化

探索归一化

着色和功率归一化渲染

着色和功率归一化渲染

山体阴影

山体阴影

左心室靶心图

左心室靶心图

直方图

直方图

约束布局指南

约束布局指南

定制颜色条教程

定制颜色条教程

颜色映射归一化

颜色映射归一化

快速入门指南

快速入门指南