matplotlib.colors.PowerNorm#

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

Bases: Normalize

Ordnet einen gegebenen Wert linear dem Bereich 0-1 zu und wendet dann eine Potenzgesetz-Normalisierung über diesen Bereich an.

Parameter:

gammafloat

Exponent des Potenzgesetzes.

vmin, vmaxfloat oder None

Wenn vmin und/oder vmax nicht angegeben sind, werden sie aus dem Minimum bzw. Maximum des ersten verarbeiteten Eingabewerts initialisiert; d. h., __call__(A) ruft autoscale_None(A) auf.

clipbool, default: False

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

Wenn Clipping deaktiviert ist, werden Werte über vmax durch die Potenzfunktion transformiert, was zu Werten über 1 führt, und Werte unter vmin werden linear transformiert, was zu Werten unter 0 führt. Dieses Verhalten ist üblicherweise erwünscht, da Colormaps diese Unter- und Überwerte 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

Die Normalisierungsformel lautet

\[\left ( \frac{x - v_{min}}{v_{max} - v_{min}} \right )^{\gamma}\]

Für Eingabewerte unter vmin wird gamma auf eins gesetzt.

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.