`matplotlib.scale`#

Skalierungen definieren die Verteilung von Datenwerten auf einer Achse, z. B. eine logarithmische Skalierung.

Die Abbildung wird über Transform-Unterklassen implementiert.

Die folgenden Skalierungen sind integriert

Name	Klasse	Transform	Umgekehrte Transformation
"asinh"	`AsinhScale`	`AsinhTransform`	`InvertedAsinhTransform`
"function"	`FuncScale`	`FuncTransform`	`FuncTransform`
"functionlog"	`FuncScaleLog`	`FuncTransform` + `LogTransform`	`InvertedLogTransform` + `FuncTransform`
"linear"	`LinearScale`	`IdentityTransform`	`IdentityTransform`
"log"	`LogScale`	`LogTransform`	`InvertedLogTransform`
"logit"	`LogitScale`	`LogitTransform`	`LogisticTransform`
"symlog"	`SymmetricalLogScale`	`SymmetricalLogTransform`	`InvertedSymmetricalLogTransform`

Ein Benutzer verwendet oft nur den Namen der Skalierung, z. B. beim Setzen der Skalierung über set_xscale: ax.set_xscale("log").

Siehe auch die Skalierungsbeispiele in der Dokumentation.

Benutzerdefinierte Skalierungen können über FuncScale oder durch Erstellen einer eigenen ScaleBase-Unterklasse und der entsprechenden Transformationen erreicht werden (siehe Benutzerdefinierte Skalierung). Dritte können ihre Skalierungen über den Namen registrieren, indem sie register_scale verwenden.

class matplotlib.scale.ScaleBase(axis)[Quelle]#

Bases: object

Die Basisklasse für alle Skalierungen.

Skalierungen sind separierbare Transformationen, die auf einer einzelnen Dimension arbeiten.

Unterklassen sollten überschreiben

name: Der Name der Skalierung.
get_transform(): Eine Methode, die eine Transform zurückgibt, welche Datenkoordinaten in skalierte Koordinaten umwandelt. Diese Transformation sollte invertierbar sein, so dass z. B. Mauspositionen zurück in Datenkoordinaten umgewandelt werden können.
set_default_locators_and_formatters(): Eine Methode, die Standard-Locators und -Formatierer für eine Axis festlegt, die diese Skalierung verwendet.
limit_range_for_scale(): Eine optionale Methode, die den Achsenbereich auf akzeptable Werte "fixiert", z. B. logarithmisch skalierte Achsen auf positive Werte beschränkt.

Konstruiere eine neue Skalierung.

Anmerkungen

Die folgende Anmerkung ist für Skalierungsentwickler.

Aus Gründen der Rückwärtskompatibilität nehmen Skalierungen ein Axis-Objekt als erstes Argument. Dieses Argument sollte jedoch nicht verwendet werden: Ein einzelnes Skalierungsobjekt sollte von mehreren Axis-Objekten gleichzeitig verwendbar sein.

get_transform()[Quelle]#: Gibt das Transform-Objekt zurück, das dieser Skalierung zugeordnet ist.

set_default_locators_and_formatters(axis)[Quelle]#: Setzt die Locators und Formatierer von axis auf Instanzen, die für diese Skalierung geeignet sind.

limit_range_for_scale(vmin, vmax, minpos)[Quelle]#

Gibt den Bereich vmin, vmax zurück, eingeschränkt auf die von dieser Skalierung unterstützte Domäne (falls vorhanden).

minpos sollte der kleinste positive Wert in den Daten sein. Dies wird von logarithmischen Skalierungen verwendet, um einen Mindestwert zu bestimmen.

class matplotlib.scale.LinearScale(axis)[Quelle]#

Bases: ScaleBase

Die Standard-Linearskala.

name = 'linear'#

set_default_locators_and_formatters(axis)[Quelle]#: Setzt die Locators und Formatierer von axis auf Instanzen, die für diese Skalierung geeignet sind.

get_transform()[Quelle]#: Gibt die Transformation für lineare Skalierung zurück, welche einfach die IdentityTransform ist.

class matplotlib.scale.FuncTransform(forward, inverse)[Quelle]#

Bases: Transform

Eine einfache Transformation, die eine beliebige Funktion für die Vorwärts- und Rückwärtstransformation verwendet.

Parameter:

forwardcallable

Die Vorwärtsfunktion für die Transformation. Diese Funktion muss eine Inverse haben und für bestes Verhalten monoton sein. Sie muss die Signatur haben.

def forward(values: array-like) -> array-like

inversecallable

Die Inverse der Vorwärtsfunktion. Signatur wie bei forward.

input_dims = 1#: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

output_dims = 1#: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

transform_non_affine(values)[Quelle]#

Wendet nur den nicht-affinen Teil dieser Transformation an.

transform(values) ist immer äquivalent zu transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen äquivalent zu transform(values). Bei affinen Transformationen ist dies immer eine No-Op.

Parameter:

valuesarray: Die Eingabewerte als Array der Länge input_dims oder Form (N, input_dims).

Gibt zurück:

Array: Die Ausgabewerte als Array der Länge output_dims oder Form (N, output_dims), abhängig von der Eingabe.

inverted()[Quelle]#

Gibt die entsprechende Umkehrtansformation zurück.

Es gilt x == self.inverted().transform(self.transform(x)).

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Änderung an self führt nicht zu einer entsprechenden Änderung an seiner umgekehrten Kopie.

has_inverse = True#: True, wenn diese Transformation eine entsprechende Umkehrtansformation hat.

is_separable = True#: True, wenn diese Transformation in der x- und y-Dimension separierbar ist.

class matplotlib.scale.FuncScale(axis, functions)[Quelle]#

Bases: ScaleBase

Bietet eine beliebige Skalierung mit vom Benutzer bereitgestellter Funktion für die Achse.

Parameter:

axisAxis

Die Achse für die Skalierung.

functions(callable, callable)

Zweistufiges Tupel der Vorwärts- und Rückwärtsfunktionen für die Skalierung. Die Vorwärtsfunktion muss monoton sein.

Beide Funktionen müssen die Signatur haben

def forward(values: array-like) -> array-like

name = 'function'#

get_transform()[Quelle]#: Gibt die FuncTransform zurück, die dieser Skalierung zugeordnet ist.

set_default_locators_and_formatters(axis)[Quelle]#: Setzt die Locators und Formatierer von axis auf Instanzen, die für diese Skalierung geeignet sind.

class matplotlib.scale.LogTransform(base, nonpositive='clip')[Quelle]#

Bases: Transform

Parameter:

shorthand_namestr: Ein String, der den "Namen" der Transformation darstellt. Der Name hat keine Bedeutung, außer die Lesbarkeit von str(transform) bei DEBUG=True zu verbessern.

input_dims = 1#: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

output_dims = 1#: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

transform_non_affine(values)[Quelle]#

Wendet nur den nicht-affinen Teil dieser Transformation an.

transform(values) ist immer äquivalent zu transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen äquivalent zu transform(values). Bei affinen Transformationen ist dies immer eine No-Op.

Parameter:

valuesarray: Die Eingabewerte als Array der Länge input_dims oder Form (N, input_dims).

Gibt zurück:

Array: Die Ausgabewerte als Array der Länge output_dims oder Form (N, output_dims), abhängig von der Eingabe.

inverted()[Quelle]#

Gibt die entsprechende Umkehrtansformation zurück.

Es gilt x == self.inverted().transform(self.transform(x)).

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Änderung an self führt nicht zu einer entsprechenden Änderung an seiner umgekehrten Kopie.

has_inverse = True#: True, wenn diese Transformation eine entsprechende Umkehrtansformation hat.

is_separable = True#: True, wenn diese Transformation in der x- und y-Dimension separierbar ist.

class matplotlib.scale.InvertedLogTransform(base)[Quelle]#

Bases: Transform

Parameter:

shorthand_namestr: Ein String, der den "Namen" der Transformation darstellt. Der Name hat keine Bedeutung, außer die Lesbarkeit von str(transform) bei DEBUG=True zu verbessern.

input_dims = 1#: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

output_dims = 1#: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

transform_non_affine(values)[Quelle]#

Wendet nur den nicht-affinen Teil dieser Transformation an.

transform(values) ist immer äquivalent zu transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen äquivalent zu transform(values). Bei affinen Transformationen ist dies immer eine No-Op.

Parameter:

valuesarray: Die Eingabewerte als Array der Länge input_dims oder Form (N, input_dims).

Gibt zurück:

Array: Die Ausgabewerte als Array der Länge output_dims oder Form (N, output_dims), abhängig von der Eingabe.

inverted()[Quelle]#

Gibt die entsprechende Umkehrtansformation zurück.

Es gilt x == self.inverted().transform(self.transform(x)).

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Änderung an self führt nicht zu einer entsprechenden Änderung an seiner umgekehrten Kopie.

has_inverse = True#: True, wenn diese Transformation eine entsprechende Umkehrtansformation hat.

is_separable = True#: True, wenn diese Transformation in der x- und y-Dimension separierbar ist.

class matplotlib.scale.LogScale(axis, *, base=10, subs=None, nonpositive='clip')[Quelle]#

Bases: ScaleBase

Eine Standard-Logarithmusskala. Es wird darauf geachtet, nur positive Werte zu plotten.

Parameter:

axisAxis: Die Achse für die Skalierung.
basefloat, Standard: 10: Die Basis des Logarithmus.
nonpositive{'clip', 'mask'}, default: 'clip': Bestimmt das Verhalten für nicht-positive Werte. Sie können entweder als ungültig maskiert oder auf eine sehr kleine positive Zahl begrenzt werden.
subssequence of int, default: None: Wo die Zwischen-Ticks zwischen jedem Haupt-Tick platziert werden sollen. Zum Beispiel in einer log10-Skala werden [2, 3, 4, 5, 6, 7, 8, 9] 8 logarithmisch verteilte Neben-Ticks zwischen jedem Haupt-Tick platzieren.

name = 'log'#

property base#

set_default_locators_and_formatters(axis)[Quelle]#: Setzt die Locators und Formatierer von axis auf Instanzen, die für diese Skalierung geeignet sind.

get_transform()[Quelle]#: Gibt die LogTransform zurück, die dieser Skalierung zugeordnet ist.

limit_range_for_scale(vmin, vmax, minpos)[Quelle]#: Beschränkt die Domäne auf positive Werte.

class matplotlib.scale.FuncScaleLog(axis, functions, base=10)[Quelle]#

Bases: LogScale

Bietet eine beliebige Skalierung mit vom Benutzer bereitgestellter Funktion für die Achse und legt diese dann auf eine logarithmische Achse.

Parameter:

axisAxis

Die Achse für die Skalierung.

functions(callable, callable)

Zweistufiges Tupel der Vorwärts- und Rückwärtsfunktionen für die Skalierung. Die Vorwärtsfunktion muss monoton sein.

Beide Funktionen müssen die Signatur haben

def forward(values: array-like) -> array-like

basefloat, Standard: 10

Logarithmische Basis der Skala.

name = 'functionlog'#

property base#

get_transform()[Quelle]#: Gibt die Transform zurück, die dieser Skalierung zugeordnet ist.

class matplotlib.scale.SymmetricalLogTransform(base, linthresh, linscale)[Quelle]#

Bases: Transform

Parameter:

shorthand_namestr: Ein String, der den "Namen" der Transformation darstellt. Der Name hat keine Bedeutung, außer die Lesbarkeit von str(transform) bei DEBUG=True zu verbessern.

input_dims = 1#: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

output_dims = 1#: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

transform_non_affine(values)[Quelle]#

Wendet nur den nicht-affinen Teil dieser Transformation an.

transform(values) ist immer äquivalent zu transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen äquivalent zu transform(values). Bei affinen Transformationen ist dies immer eine No-Op.

Parameter:

valuesarray: Die Eingabewerte als Array der Länge input_dims oder Form (N, input_dims).

Gibt zurück:

Array: Die Ausgabewerte als Array der Länge output_dims oder Form (N, output_dims), abhängig von der Eingabe.

inverted()[Quelle]#

Gibt die entsprechende Umkehrtansformation zurück.

Es gilt x == self.inverted().transform(self.transform(x)).

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Änderung an self führt nicht zu einer entsprechenden Änderung an seiner umgekehrten Kopie.

has_inverse = True#: True, wenn diese Transformation eine entsprechende Umkehrtansformation hat.

is_separable = True#: True, wenn diese Transformation in der x- und y-Dimension separierbar ist.

class matplotlib.scale.InvertedSymmetricalLogTransform(base, linthresh, linscale)[Quelle]#

Bases: Transform

Parameter:

shorthand_namestr: Ein String, der den "Namen" der Transformation darstellt. Der Name hat keine Bedeutung, außer die Lesbarkeit von str(transform) bei DEBUG=True zu verbessern.

input_dims = 1#: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

output_dims = 1#: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

transform_non_affine(values)[Quelle]#

Wendet nur den nicht-affinen Teil dieser Transformation an.

transform(values) ist immer äquivalent zu transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen äquivalent zu transform(values). Bei affinen Transformationen ist dies immer eine No-Op.

Parameter:

valuesarray: Die Eingabewerte als Array der Länge input_dims oder Form (N, input_dims).

Gibt zurück:

Array: Die Ausgabewerte als Array der Länge output_dims oder Form (N, output_dims), abhängig von der Eingabe.

inverted()[Quelle]#

Gibt die entsprechende Umkehrtansformation zurück.

Es gilt x == self.inverted().transform(self.transform(x)).

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Änderung an self führt nicht zu einer entsprechenden Änderung an seiner umgekehrten Kopie.

has_inverse = True#: True, wenn diese Transformation eine entsprechende Umkehrtansformation hat.

is_separable = True#: True, wenn diese Transformation in der x- und y-Dimension separierbar ist.

class matplotlib.scale.SymmetricalLogScale(axis, *, base=10, linthresh=2, subs=None, linscale=1)[Quelle]#

Bases: ScaleBase

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

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

Siehe Symlog-Skala für eine detaillierte Beschreibung.

Parameter:

basefloat, Standard: 10: Die Basis des Logarithmus.
linthreshfloat, default: 2: Definiert den Bereich (-x, x), innerhalb dessen die Darstellung linear ist. Dies verhindert, dass die Darstellung um Null herum ins Unendliche geht.
subssequence of int: Wo die Unterteilstriche zwischen den Hauptteilstrichen platziert werden sollen. Zum Beispiel bei einer log10-Skala: [2, 3, 4, 5, 6, 7, 8, 9] platziert 8 logarithmisch verteilte Neben-Teilstriche zwischen jedem Haupt-Teilstich.
linscalefloat, optional: Dies ermöglicht es, den linearen Bereich (-linthresh, linthresh) relativ zum logarithmischen Bereich zu dehnen. Sein Wert ist die Anzahl der Dekaden, die für jede Hälfte des linearen Bereichs verwendet werden. Zum Beispiel, wenn linscale == 1.0 (Standard), ist der für die positiven und negativen Hälften des linearen Bereichs verwendete Platz gleich einer Dekade im logarithmischen Bereich.

Konstruiere eine neue Skalierung.

Anmerkungen

Die folgende Anmerkung ist für Skalierungsentwickler.

Aus Gründen der Rückwärtskompatibilität nehmen Skalierungen ein Axis-Objekt als erstes Argument. Dieses Argument sollte jedoch nicht verwendet werden: Ein einzelnes Skalierungsobjekt sollte von mehreren Axis-Objekten gleichzeitig verwendbar sein.

name = 'symlog'#

property base#

property linthresh#

property linscale#

set_default_locators_and_formatters(axis)[Quelle]#: Setzt die Locators und Formatierer von axis auf Instanzen, die für diese Skalierung geeignet sind.

get_transform()[Quelle]#: Gibt die SymmetricalLogTransform zurück, die dieser Skala zugeordnet ist.

class matplotlib.scale.AsinhTransform(linear_width)[Quelle]#

Bases: Transform

Inverse hyperbolische Sinus-Transformation, die von AsinhScale verwendet wird.

Parameter:

shorthand_namestr: Ein String, der den "Namen" der Transformation darstellt. Der Name hat keine Bedeutung, außer die Lesbarkeit von str(transform) bei DEBUG=True zu verbessern.

input_dims = 1#: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

output_dims = 1#: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

transform_non_affine(values)[Quelle]#

Wendet nur den nicht-affinen Teil dieser Transformation an.

transform(values) ist immer äquivalent zu transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen äquivalent zu transform(values). Bei affinen Transformationen ist dies immer eine No-Op.

Parameter:

valuesarray: Die Eingabewerte als Array der Länge input_dims oder Form (N, input_dims).

Gibt zurück:

Array: Die Ausgabewerte als Array der Länge output_dims oder Form (N, output_dims), abhängig von der Eingabe.

inverted()[Quelle]#

Gibt die entsprechende Umkehrtansformation zurück.

Es gilt x == self.inverted().transform(self.transform(x)).

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Änderung an self führt nicht zu einer entsprechenden Änderung an seiner umgekehrten Kopie.

has_inverse = True#: True, wenn diese Transformation eine entsprechende Umkehrtansformation hat.

is_separable = True#: True, wenn diese Transformation in der x- und y-Dimension separierbar ist.

class matplotlib.scale.InvertedAsinhTransform(linear_width)[Quelle]#

Bases: Transform

Hyperbolische Sinus-Transformation, die von AsinhScale verwendet wird.

Parameter:

shorthand_namestr: Ein String, der den "Namen" der Transformation darstellt. Der Name hat keine Bedeutung, außer die Lesbarkeit von str(transform) bei DEBUG=True zu verbessern.

input_dims = 1#: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

output_dims = 1#: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

transform_non_affine(values)[Quelle]#

Wendet nur den nicht-affinen Teil dieser Transformation an.

transform(values) ist immer äquivalent zu transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen äquivalent zu transform(values). Bei affinen Transformationen ist dies immer eine No-Op.

Parameter:

valuesarray: Die Eingabewerte als Array der Länge input_dims oder Form (N, input_dims).

Gibt zurück:

Array: Die Ausgabewerte als Array der Länge output_dims oder Form (N, output_dims), abhängig von der Eingabe.

inverted()[Quelle]#

Gibt die entsprechende Umkehrtansformation zurück.

Es gilt x == self.inverted().transform(self.transform(x)).

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Änderung an self führt nicht zu einer entsprechenden Änderung an seiner umgekehrten Kopie.

has_inverse = True#: True, wenn diese Transformation eine entsprechende Umkehrtansformation hat.

is_separable = True#: True, wenn diese Transformation in der x- und y-Dimension separierbar ist.

class matplotlib.scale.AsinhScale(axis, *, linear_width=1.0, base=10, subs='auto', **kwargs)[Quelle]#

Bases: ScaleBase

Eine quasi-logarithmische Skala basierend auf dem inversen hyperbolischen Sinus (asinh).

Für Werte nahe Null ist dies im Wesentlichen eine lineare Skala, aber für Werte mit großem Betrag (positiv oder negativ) ist sie asymptotisch logarithmisch. Der Übergang zwischen diesen linearen und logarithmischen Regimen ist glatt und hat keine Diskontinuitäten im Gradienten der Funktion, im Gegensatz zur SymmetricalLogScale ("symlog") Skala.

Genauer gesagt, ist die Transformation einer Achsenkoordinate \(a\) \(a \rightarrow a_0 \sinh^{-1} (a / a_0)\), wobei \(a_0\) die effektive Breite des linearen Bereichs der Transformation ist. In diesem Bereich ist die Transformation \(a \rightarrow a + \mathcal{O}(a^3)\). Für große Werte von \(a\) verhält sich die Transformation als \(a \rightarrow a_0 \, \mathrm{sgn}(a) \ln |a| + \mathcal{O}(1)\).

Hinweis

Diese API ist vorläufig und kann basierend auf frühem Benutzerfeedback in Zukunft überarbeitet werden.

Parameter:

linear_widthfloat, default: 1: Der Skalenparameter (anderswo als \(a_0\) bezeichnet), der den Umfang des quasi-linearen Bereichs und die Koordinatenwerte definiert, jenseits derer die Transformation asymptotisch logarithmisch wird.
baseint, default: 10: Die Basis, die für die Rundung von Teilstrichpositionen auf einer logarithmischen Skala verwendet wird. Wenn diese kleiner als eins ist, wird auf das nächste ganzzahlige Vielfache von Zehnerpotenzen gerundet.
subssequence of int: Vielfache der Zahlbasis, die für Neben-Teilstriche verwendet werden. Wenn auf 'auto' gesetzt, werden eingebaute Standardwerte verwendet, z. B. (2, 5) für base=10.

name = 'asinh'#

auto_tick_multipliers = {3: (2,), 4: (2,), 5: (2,), 8: (2, 4), 10: (2, 5), 16: (2, 4, 8), 64: (4, 16), 1024: (256, 512)}#

property linear_width#

get_transform()[Quelle]#: Gibt das Transform-Objekt zurück, das dieser Skalierung zugeordnet ist.

set_default_locators_and_formatters(axis)[Quelle]#: Setzt die Locators und Formatierer von axis auf Instanzen, die für diese Skalierung geeignet sind.

class matplotlib.scale.LogitTransform(nonpositive='mask')[Quelle]#

Bases: Transform

Parameter:

shorthand_namestr: Ein String, der den "Namen" der Transformation darstellt. Der Name hat keine Bedeutung, außer die Lesbarkeit von str(transform) bei DEBUG=True zu verbessern.

input_dims = 1#: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

output_dims = 1#: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

transform_non_affine(values)[Quelle]#: Logit-Transformation (Basis 10), maskiert oder beschnitten.

inverted()[Quelle]#

Gibt die entsprechende Umkehrtansformation zurück.

Es gilt x == self.inverted().transform(self.transform(x)).

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Änderung an self führt nicht zu einer entsprechenden Änderung an seiner umgekehrten Kopie.

has_inverse = True#: True, wenn diese Transformation eine entsprechende Umkehrtansformation hat.

is_separable = True#: True, wenn diese Transformation in der x- und y-Dimension separierbar ist.

class matplotlib.scale.LogisticTransform(nonpositive='mask')[Quelle]#

Bases: Transform

Parameter:

shorthand_namestr: Ein String, der den "Namen" der Transformation darstellt. Der Name hat keine Bedeutung, außer die Lesbarkeit von str(transform) bei DEBUG=True zu verbessern.

input_dims = 1#: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

output_dims = 1#: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse überschrieben werden (mit Ganzzahlen).

transform_non_affine(values)[Quelle]#: Logistische Transformation (Basis 10).

inverted()[Quelle]#

Gibt die entsprechende Umkehrtansformation zurück.

Es gilt x == self.inverted().transform(self.transform(x)).

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Änderung an self führt nicht zu einer entsprechenden Änderung an seiner umgekehrten Kopie.

has_inverse = True#: True, wenn diese Transformation eine entsprechende Umkehrtansformation hat.

is_separable = True#: True, wenn diese Transformation in der x- und y-Dimension separierbar ist.

class matplotlib.scale.LogitScale(axis, nonpositive='mask', *, one_half=r"\\frac{1}{2}", use_overline=False)[Quelle]#

Bases: ScaleBase

Logit-Skala für Daten zwischen Null und Eins, beide ausgeschlossen.

Diese Skala ist nahe Null und Eins ähnlich einer logarithmischen Skala und nahe 0.5 fast linear. Sie bildet das Intervall ]0, 1[ auf ]-infty, +infty[ ab.

Parameter:

axisAxis: Derzeit ungenutzt.
nonpositive{'mask', 'clip'}: Bestimmt das Verhalten für Werte außerhalb des offenen Intervalls ]0, 1[. Sie können entweder als ungültig maskiert oder auf eine Zahl sehr nahe bei 0 oder 1 beschnitten werden.
use_overlinebool, default: False: Zeigt die Verwendung der Überlebensnotation (overline{x}) anstelle der Standardnotation (1-x) für Wahrscheinlichkeiten nahe Eins an.
one_halfstr, default: r"\\frac{1}{2}": Der String, der für den Teilstriche-Formatierer zur Darstellung von 1/2 verwendet wird.

name = 'logit'#

get_transform()[Quelle]#: Gibt die LogitTransform zurück, die dieser Skala zugeordnet ist.

set_default_locators_and_formatters(axis)[Quelle]#: Setzt die Locators und Formatierer von axis auf Instanzen, die für diese Skalierung geeignet sind.

limit_range_for_scale(vmin, vmax, minpos)[Quelle]#: Beschränkt die Domäne auf Werte zwischen 0 und 1 (exklusiv).

matplotlib.scale.get_scale_names()[Quelle]#: Gibt die Namen der verfügbaren Skalen zurück.

matplotlib.scale.scale_factory(scale, axis, **kwargs)[Quelle]#

Gibt eine Skalenklasse anhand des Namens zurück.

Parameter:

scale{'asinh', 'function', 'functionlog', 'linear', 'log', 'logit', 'symlog'}
axisAxis

matplotlib.scale.register_scale(scale_class)[Quelle]#

Registriert eine neue Art von Skala.

Parameter:

scale_classsubclass of ScaleBase: Die zu registrierende Skala.

matplotlib.scale#

`matplotlib.scale`#