matplotlib.colors.Normalize#
- class matplotlib.colors.Normalize(vmin=None, vmax=None, clip=False)[源代码][源代码]#
基类：
object一个类，当被调用时，将区间
[vmin, vmax]内的值线性映射到区间[0.0, 1.0]。区间[vmin, vmax]外的值的映射取决于 clip。参见
示例
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.]
- 参数:
- vmin, vmax浮点数或无
输入数据中在范围
[vmin, vmax]内的值将被线性映射到[0, 1]。如果 vmin 或 vmax 未提供，它们分别默认为输入的最小值和最大值。- 剪辑bool, 默认: False
确定映射范围
[vmin, vmax]之外的值的行为。如果剪裁关闭，范围
[vmin, vmax]之外的值也会被转换，导致结果超出[0, 1]范围。这种行为通常是可取的，因为色图可以用特定颜色标记这些 低于 和 高于 的值。如果裁剪开启，低于 vmin 的值会被映射到 0，高于 vmax 的值会被映射到 1。这些值变得与常规边界值无法区分，可能会导致对数据的误解。
注释
如果
vmin == vmax，输入数据将被映射到 0。- __call__(value, clip=None)[源代码][源代码]#
规范化数据并返回规范化后的数据。
- 参数:
- 值
要规范化的数据。
- 剪辑bool, 可选
参见
Normalize中参数 clip 的描述。如果
None，则默认为self.clip``（默认为 ``False）。
注释
如果尚未初始化，
self.vmin和self.vmax将使用self.autoscale_None(value)进行初始化。
- property clip#
!! 由 numpydoc 处理 !!
- static process_value(value)[源代码][源代码]#
对输入的 value 进行均质化处理，以便于轻松高效地进行归一化。
value 可以是一个标量或序列。
- 参数:
- 值
要规范化的数据。
- 返回:
- 结果掩码数组
与 value 形状相同的掩码数组。
- is_scalar布尔值
是否 value 是一个标量。
注释
浮点数类型保持不变；两字节或更小的整数类型转换为 np.float32，更大的类型转换为 np.float64。尽可能保留 float32，并使用就地操作，可以大大提高大型数组的速度。
- property vmax#
!! 由 numpydoc 处理 !!
- property vmin#
!! 由 numpydoc 处理 !!
