matplotlib.colors.SymLogNorm#

class matplotlib.colors.SymLogNorm(linthresh, linscale=1.0, vmin=None, vmax=None, clip=False, *, base=10)[Quelle]#

Bases: SymLogNorm

Die symmetrische logarithmische Skala ist in positiver und negativer Richtung vom Ursprung aus logarithmisch.

Da Werte nahe Null gegen unendlich tendieren, muss ein Bereich um Null vorhanden sein, der linear ist. Der Parameter linthresh ermöglicht es dem Benutzer, die Größe dieses Bereichs (-linthresh, linthresh) festzulegen.

Parameter:

linthreshfloat: Der Bereich, in dem die Darstellung linear ist (um zu verhindern, dass die Darstellung um Null herum ins Unendliche geht).
linscalefloat, Standard: 1: Dies ermöglicht es, den linearen Bereich (von -linthresh bis linthresh) relativ zum logarithmischen Bereich zu strecken. Sein Wert ist die Anzahl der Dekaden, die für jede Hälfte des linearen Bereichs verwendet werden. Wenn linscale == 1.0 (Standard) ist, ist der Platz, der für die positive und negative Hälfte des linearen Bereichs verwendet wird, gleich einer Dekade im logarithmischen Bereich.
basefloat, Standard: 10

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.