matplotlib.colors.Normalize#

class matplotlib.colors.Normalize(vmin=None, vmax=None, clip=False)[Quelle]#

Bases: object

Eine Klasse, die beim Aufruf Werte im Intervall [vmin, vmax] linear auf das Intervall [0.0, 1.0] abbildet. Die Abbildung von Werten außerhalb von [vmin, vmax] hängt von clip ab.

Beispiele

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.]
Parameter:
vmin, vmaxfloat oder None

Werte im Bereich [vmin, vmax] aus den Eingabedaten werden linear auf [0, 1] abgebildet. Wenn entweder vmin oder vmax nicht angegeben sind, werden sie standardmäßig auf den minimalen bzw. maximalen Wert der Eingabe gesetzt.

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.

Anmerkungen

Wenn vmin == vmax, werden die Eingabedaten auf 0 abgebildet.

__call__(value, clip=None)[Quelle]#

Normalisiert die Daten und gibt die normalisierten Daten zurück.

Parameter:
Wert

Zu normalisierende Daten.

clipbool, optional

Siehe die Beschreibung des Parameters clip in Normalize.

Wenn None, wird standardmäßig self.clip verwendet (was standardmäßig auf False gesetzt ist).

Anmerkungen

Wenn noch nicht initialisiert, werden self.vmin und self.vmax mithilfe von self.autoscale_None(value) initialisiert.

autoscale(A)[Quelle]#

Setzt vmin, vmax auf das Minimum bzw. Maximum von A.

autoscale_None(A)[Quelle]#

Wenn vmin oder vmax nicht gesetzt sind, werden das Minimum/Maximum von A verwendet, um sie zu setzen.

property clip#
inverse(value)[Quelle]#

Bildet den normalisierten Wert (d. h. den Index in der Colormap) zurück auf den Bilddatenwert ab.

Parameter:
Wert

Normalisierter Wert.

static process_value(value)[Quelle]#

Harmonisiert den Eingabewert value für eine einfache und effiziente Normalisierung.

value kann ein Skalar oder eine Sequenz sein.

Parameter:
Wert

Zu normalisierende Daten.

Gibt zurück:
resultmasked array

Masked Array mit derselben Form wie value.

is_scalarbool

Ob value ein Skalar ist.

Anmerkungen

Float-Datentypen werden beibehalten; Integer-Typen mit zwei Bytes oder kleiner werden in np.float32 konvertiert, und größere Typen werden in np.float64 konvertiert. Das Beibehalten von float32, wenn möglich, und die Verwendung von In-Place-Operationen verbessert die Geschwindigkeit für große Arrays erheblich.

scaled()[Quelle]#

Gibt zurück, ob vmin und vmax beide gesetzt sind.

property vmax#
property vmin#

Beispiele mit matplotlib.colors.Normalize#

Farbskalennormalisierungen

Farbskalennormalisierungen

Farbskalennormalisierungen SymLogNorm

Farbskalennormalisierungen SymLogNorm

Konturbild

Konturbild

Annotierte Heatmap

Annotierte Heatmap

Bild mit maskierten Werten

Bild mit maskierten Werten

Transparenz mit Farbe in 2D-Bildern mischen

Transparenz mit Farbe in 2D-Bildern mischen

Mehrere Bilder mit einer Farbleiste

Mehrere Bilder mit einer Farbleiste

pcolor-Bilder

pcolor-Bilder

pcolormesh

pcolormesh

Abbildung von Markereigenschaften auf multivariate Daten

Abbildung von Markereigenschaften auf multivariate Daten

2D-Bilder in 3D

2D-Bilder in 3D

Normalisierungen erforschen

Normalisierungen erforschen

Beschattierte & Leistungsnormalisierte Darstellung

Beschattierte & Leistungsnormalisierte Darstellung

Hillshading

Hillshading

Linksventrikuläres Bullseye

Linksventrikuläres Bullseye

Histogramme

Histogramme

Leitfaden für eingeschränkte Layouts

Leitfaden für eingeschränkte Layouts

Tutorial zu benutzerdefinierten Farbleisten

Tutorial zu benutzerdefinierten Farbleisten

Colormap-Normalisierung

Colormap-Normalisierung

Schnelleinstieg

Schnelleinstieg