matplotlib.colors.CenteredNorm

class matplotlib.colors.CenteredNorm(vcenter=0, halfrange=None, clip=False)

Bases: Normalize

Normalisiert symmetrische Daten um einen Mittelpunkt (standardmäßig 0).

Im Gegensatz zu TwoSlopeNorm wendet CenteredNorm eine gleiche Änderungsrate um den Mittelpunkt an.

Nützlich beim Abbilden symmetrischer Daten um einen konzeptionellen Mittelpunkt, z.B. Daten, die von -2 bis 4 reichen, mit 0 als Mittelpunkt und mit gleichen Änderungsraten um diesen Mittelpunkt.

Parameter:

vcenterfloat, default: 0

Der Datenwert, der in der Normalisierung 0.5 definiert.

halfrangefloat, optional

Der Bereich von Datenwerten, der einen Bereich von 0.5 in der Normalisierung definiert, sodass vcenter - halfrange 0.0 und vcenter + halfrange 1.0 in der Normalisierung ist. Standardmäßig der größte absolute Unterschied zu vcenter für die Werte im Datensatz.

clipbool, default: False

Bestimmt das Verhalten bei der Abbildung von Werten außerhalb des Bereichs [vmin, vmax].

Wenn das Clipping deaktiviert ist, werden auch Werte außerhalb des Bereichs [vmin, vmax] transformiert, was zu Werten außerhalb von [0, 1] führt. Dieses Verhalten ist normalerweise wünschenswert, da Colormaps diese Unter- und Über-Werte mit spezifischen Farben markieren können.

Wenn das Clipping aktiviert ist, werden Werte unter vmin auf 0 und Werte über vmax auf 1 abgebildet. Solche Werte werden von regulären Grenzwerten nicht unterscheidbar, was zu Fehlinterpretationen der Daten führen kann.

Beispiele

Dies bildet die Datenwerte -2 auf 0.25, 0 auf 0.5 und 4 auf 1.0 ab (unter der Annahme gleicher Änderungsraten oberhalb und unterhalb von 0.0).

>>> import matplotlib.colors as mcolors
>>> norm = mcolors.CenteredNorm(halfrange=4.0)
>>> data = [-2., 0., 4.]
>>> norm(data)
array([0.25, 0.5 , 1.  ])

autoscale(A)

Setzt halfrange auf max(abs(A-vcenter)), setzt dann vmin und vmax.

autoscale_None(A)

Setzt vmin und vmax.

property halfrange

property vcenter

property vmax

property vmin

Beispiele mit matplotlib.colors.CenteredNorm

Colormap-Normalisierung

Colormap-Normalisierung