scale

matplotlib.scale

class matplotlib.scale.InvertedLog10Transform(shorthand_name=None) [source]

Базы: matplotlib.scale.InvertedLogTransformBase

Создаёт новый TransformNode.

Параметры:	shorthand_name : str Строка, представляющая "имя" преобразования. Имя не имеет значения, кроме улучшения читаемости str(transform) при DEBUG=True.

base = 10.0

inverted() [source]

Возвращает соответствующее обратное преобразование.

Результат этого метода следует рассматривать как временный. Обновление self не вызывает соответствующего обновления его обратного копирования.

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

class matplotlib.scale.InvertedLog2Transform(shorthand_name=None) [source]

Базы: matplotlib.scale.InvertedLogTransformBase

Создаёт новый TransformNode.

Параметры:	shorthand_name : str Строка, представляющая "имя" преобразования. Имя не имеет значения, кроме улучшения читаемости str(transform) при DEBUG=True.

base = 2.0

inverted() [source]

Возвращает соответствующее обратное преобразование.

Результат этого метода следует рассматривать как временный. Обновление self не вызывает соответствующего обновления его обратного копирования.

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

class matplotlib.scale.InvertedLogTransform(base) [source]

Базы: matplotlib.scale.InvertedLogTransformBase

inverted() [source]

Возвращает соответствующее обратное преобразование.

Результат этого метода следует рассматривать как временный. Обновление self не вызывает соответствующего обновления его обратного копирования.

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

class matplotlib.scale.InvertedLogTransformBase(shorthand_name=None) [source]

Базы: matplotlib.transforms.Transform

Создаёт новый TransformNode.

Параметры:	shorthand_name : str Строка, представляющая "имя" преобразования. Имя не имеет значения, кроме улучшения читаемости str(transform) при DEBUG=True.

has_inverse = True

input_dims = 1

is_separable = True

output_dims = 1

transform_non_affine(a) [source]

Выполняет только часть преобразования, не связанную с аффинными преобразованиями.

transform(values) всегда эквивалентно transform_affine(transform_non_affine(values)).

При преобразованиях, не связанных с аффинными преобразованиями, это обычно эквивалентно transform(values). В аффинных преобразованиях это всегда не операция.

Принимает массив numpy формы (N x input_dims) и возвращает массив numpy формы (N x output_dims).

В качестве альтернативы, принимает массив numpy длины input_dims и возвращает массив numpy длины output_dims.

class matplotlib.scale.InvertedNaturalLogTransform(shorthand_name=None) [source]

Базы: matplotlib.scale.InvertedLogTransformBase

Создаёт новый TransformNode.

Параметры:	shorthand_name : str Строка, представляющая "имя" преобразования. Имя не имеет значения, кроме улучшения читаемости str(transform) при DEBUG=True.

base = 2.718281828459045

inverted() [source]

Возвращает соответствующее обратное преобразование.

Результат этого метода следует рассматривать как временный. Обновление self не вызывает соответствующего обновления его обратного копирования.

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

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

Базы: matplotlib.transforms.Transform

has_inverse = True

input_dims = 1

inverted() [source]

Возвращает соответствующее обратное преобразование.

Результат работы этого метода следует рассматривать как временный. Обновление self не приводит к соответствующему обновлению его обратного экземпляра.

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

is_separable = True

output_dims = 1

transform_non_affine(a) [source]

Выполняет только неаффинную часть преобразования.

transform(values) всегда эквивалентно transform_affine(transform_non_affine(values)).

При неаффинных преобразованиях это обычно эквивалентно transform(values). При аффинных преобразованиях это всегда нет операция.

Принимает массив NumPy формы (N x input_dims) и возвращает массив NumPy формы (N x output_dims).

В качестве альтернативы, принимает массив NumPy длины input_dims и возвращает массив NumPy длины output_dims.

class matplotlib.scale.LinearScale(axis, **kwargs) [source]

Базы: matplotlib.scale.ScaleBase

По умолчанию линейная шкала.

get_transform() [source]

Преобразование для линейного масштабирования — это просто IdentityTransform.

name = 'linear'

set_default_locators_and_formatters(axis) [source]

Устанавливает локации и форматеры на разумные значения для линейного масштабирования.

class matplotlib.scale.Log10Transform(nonpos='clip') [source]

Базы: matplotlib.scale.LogTransformBase

base = 10.0

inverted() [source]

Возвращает соответствующее обратное преобразование.

Результат работы этого метода следует рассматривать как временный. Обновление self не приводит к соответствующему обновлению его обратного экземпляра.

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

class matplotlib.scale.Log2Transform(nonpos='clip') [source]

Базы: matplotlib.scale.LogTransformBase

base = 2.0

inverted() [source]

Возвращает соответствующее обратное преобразование.

Результат работы этого метода следует рассматривать как временный. Обновление self не приводит к соответствующему обновлению его обратного экземпляра.

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

class matplotlib.scale.LogScale(axis, **kwargs) [source]

Bases: matplotlib.scale.ScaleBase

Стандартная логарифмическая шкала. Учитывается, чтобы не отображать значения, не являющиеся положительными.

Для повышения вычислительной эффективности (для передачи как можно большего количества операций в код Numpy C в распространённых случаях) эта шкала предоставляет различные преобразования в зависимости от основания логарифма:

• основание 10 (Log10Transform)
• основание 2 (Log2Transform)
• основание e (NaturalLogTransform)
• произвольное основание (LogTransform)

basex/basey:

Основание логарифма

nonposx/nonposy: ['mask' | 'clip' ]

значения, не являющиеся положительными в x или y, могут быть замаскированы как недопустимые или ограничены очень малым положительным числом

subsx/subsy:

Где разместить дополнительные деления между основными отметками. Должен быть последовательностью целых чисел. Например, в логарифмической шкале по основанию 10: [2, 3, 4, 5, 6, 7, 8, 9]

разместит 8 логарифмически распределённых дополнительных делений между каждой основной отметкой.

class InvertedLog10Transform(shorthand_name=None)

Bases: matplotlib.scale.InvertedLogTransformBase

Создаёт новый TransformNode.

Parameters:	shorthand_name : str Строка, представляющая "название" преобразования. Название не несёт никакой смысловой нагрузки, кроме улучшения удобочитаемости str(transform) при DEBUG=True.

base = 10.0

inverted()

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его обратной копии.

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

class InvertedLog2Transform(shorthand_name=None)

Bases: matplotlib.scale.InvertedLogTransformBase

Создаёт новый TransformNode.

Parameters:	shorthand_name : str Строка, представляющая "название" преобразования. Название не несёт никакой смысловой нагрузки, кроме улучшения удобочитаемости str(transform) при DEBUG=True.

base = 2.0

inverted()

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его обратной копии.

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

class InvertedLogTransform(base)

Bases: matplotlib.scale.InvertedLogTransformBase

inverted()

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его обратной копии.

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

class InvertedNaturalLogTransform(shorthand_name=None)

Bases: matplotlib.scale.InvertedLogTransformBase

Создаёт новый TransformNode.

Parameters:	shorthand_name : str Строка, представляющая "название" преобразования. Название не несёт никакой смысловой нагрузки, кроме улучшения удобочитаемости str(transform) при DEBUG=True.

base = 2.718281828459045

inverted()

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его обратной копии.

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

class Log10Transform(nonpos='clip')

Bases: matplotlib.scale.LogTransformBase

base = 10.0

inverted()

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его обратной копии.

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

class Log2Transform(nonpos='clip')

Bases: matplotlib.scale.LogTransformBase

base = 2.0

inverted()

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его обратной копии.

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

class LogTransform(base, nonpos='clip')

Bases: matplotlib.scale.LogTransformBase

inverted()

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его обратной копии.

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

class LogTransformBase(nonpos='clip')

Bases: matplotlib.transforms.Transform

has_inverse = True

input_dims = 1

is_separable = True

output_dims = 1

transform_non_affine(a)

Выполняет только неаффинную часть преобразования.

transform(values) всегда эквивалентно transform_affine(transform_non_affine(values)).

В неаффинных преобразованиях это, как правило, эквивалентно transform(values). В аффинных преобразованиях это всегда пустая операция.

Принимает массив NumPy с формой (N x input_dims) и возвращает массив NumPy с формой (N x output_dims).

В качестве альтернативы принимает массив NumPy длиной input_dims и возвращает массив NumPy длиной output_dims.

class NaturalLogTransform(nonpos='clip')

Bases: matplotlib.scale.LogTransformBase

base = 2.718281828459045

inverted()

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его обратной копии.

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

get_transform() [source]

Возвращает экземпляр Transform , подходящий для данного основания логарифма.

limit_range_for_scale(vmin, vmax, minpos) [source]

Ограничить область определения положительными значениями.

name = 'log'

set_default_locators_and_formatters(axis) [source]

Установить локейторы и форматировщики на специализированные версии для логарифмической шкалы.

class matplotlib.scale.LogTransform(base, nonpos='clip') [source]

Базируется на matplotlib.scale.LogTransformBase

inverted() [source]

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его инвертированной копии.

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

class matplotlib.scale.LogTransformBase(nonpos='clip') [source]

Базируется на matplotlib.transforms.Transform

has_inverse = True

input_dims = 1

is_separable = True

output_dims = 1

transform_non_affine(a) [source]

Выполняет только неаффинную часть преобразования.

transform(values) всегда эквивалентно transform_affine(transform_non_affine(values)).

В неаффинных преобразованиях это обычно эквивалентно transform(values). В аффинных преобразованиях это всегда нет операция.

Принимает массив numpy формы (N x input_dims) и возвращает массив numpy формы (N x output_dims).

В качестве альтернативы принимает массив numpy длины input_dims и возвращает массив numpy длины output_dims.

class matplotlib.scale.LogisticTransform(nonpos='mask') [source]

Базируется на matplotlib.transforms.Transform

has_inverse = True

input_dims = 1

inverted() [source]

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его инвертированной копии.

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

is_separable = True

output_dims = 1

transform_non_affine(a) [source]

логистическое преобразование (основание 10)

class matplotlib.scale.LogitScale(axis, nonpos='mask') [source]

Базируется на matplotlib.scale.ScaleBase

Шкала логарифма вероятности для данных между нулем и единицей, оба исключены.

Эта шкала похожа на логарифмическую шкалу около нуля и единицы и почти линейна около 0,5. Она отображает интервал ]0, 1[ на ]-∞, +∞[.

nonpos: ['mask' | 'clip' ]

значения за пределами ]0, 1[ могут быть замаскированы как недействительные или обрезаны до числа, очень близкого к 0 или 1

get_transform() [source]

Возвращает экземпляр LogitTransform.

limit_range_for_scale(vmin, vmax, minpos) [source]

Ограничить область определения значениями между 0 и 1 (исключительно).

name = 'logit'

set_default_locators_and_formatters(axis) [source]

Установить объекты Locator и Formatter на заданной оси, чтобы они соответствовали этой шкале.

class matplotlib.scale.LogitTransform(nonpos='mask') [source]

Базируется на matplotlib.transforms.Transform

has_inverse = True

input_dims = 1

inverted() [source]

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его инвертированной копии.

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

is_separable = True

output_dims = 1

transform_non_affine(a) [source]

преобразование логарифма вероятности (основание 10), замаскированное или обрезанное

class matplotlib.scale.NaturalLogTransform(nonpos='clip') [source]

Базируется на matplotlib.scale.LogTransformBase

base = 2.718281828459045

inverted() [source]

Возвращает соответствующее обратное преобразование.

Значение, возвращаемое этим методом, следует рассматривать как временное. Обновление self не приводит к соответствующему обновлению его инвертированной копии.

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

class matplotlib.scale.ScaleBase [source]

Основание: object

Базовый класс для всех шкал.

Шкалы — это отдельные преобразования, работающие с одной осью.

Любые подклассы должны переопределять:

• name
• get_transform()
• set_default_locators_and_formatters()

И необязательно:

• limit_range_for_scale()

get_transform() [source]

Возвращает объект Transform, связанный с этой шкалой.

limit_range_for_scale(vmin, vmax, minpos) [source]

Возвращает диапазон vmin, vmax, возможно, ограниченный областью, поддерживаемой этой шкалой.

minpos должен быть минимальным положительным значением в данных.

Используется логарифмическими шкалами для определения минимального значения.

set_default_locators_and_formatters(axis) [source]

Устанавливает объекты Locator и Formatter на заданной оси, чтобы они соответствовали этой шкале.

class matplotlib.scale.SymmetricalLogScale(axis, **kwargs) [source]

Основание: matplotlib.scale.ScaleBase

Симметричная логарифмическая шкала — это логарифмическая шкала как в положительном, так и в отрицательном направлениях от начала координат.

Поскольку значения, близкие к нулю, стремятся к бесконечности, необходимо иметь линейный диапазон вокруг нуля. Параметр linthresh позволяет пользователю указать размер этого диапазона (-linthresh, linthresh).

basex/basey:

Основание логарифма

linthreshx/linthreshy:

Одиночное число, определяющее диапазон (-x, x), в котором график линейный. Это предотвращает стремление графика к бесконечности около нуля.

subsx/subsy:

Место размещения подделений между каждым основным делением. Должна быть последовательность целых чисел. Например, в логарифмической шкале по основанию 10: [2, 3, 4, 5, 6, 7, 8, 9]

разместит 8 логарифмически равномерно распределённых подделений между каждым основным делением.

linscalex/linscaley:

Это позволяет растянуть линейный диапазон (-linthresh до linthresh) относительно логарифмического диапазона. Его значение — количество десятичных разрядов для каждой половины линейного диапазона. Например, при linscale == 1.0 (по умолчанию) пространство, используемое для положительной и отрицательной половин линейного диапазона, будет равно одному десятичному разряду в логарифмическом диапазоне.

class InvertedSymmetricalLogTransform(base, linthresh, linscale)

Основание: matplotlib.transforms.Transform

has_inverse = True

input_dims = 1

inverted()

Возвращает соответствующее обратное преобразование.

Результат этого метода следует рассматривать как временный. Обновление self не вызывает соответствующего обновления его обратного значения.

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

is_separable = True

output_dims = 1

transform_non_affine(a)

Выполняет только неаффинное преобразование.

transform(values) всегда эквивалентно transform_affine(transform_non_affine(values)).

В неаффинных преобразованиях это обычно эквивалентно transform(values). В аффинных преобразованиях это всегда пустая операция.

Принимает массив NumPy с формой (N x input_dims) и возвращает массив NumPy с формой (N x output_dims).

В качестве альтернативы принимает массив NumPy длиной input_dims и возвращает массив NumPy длиной output_dims.

class SymmetricalLogTransform(base, linthresh, linscale)

Основание: matplotlib.transforms.Transform

has_inverse = True

input_dims = 1

inverted()

Возвращает соответствующее обратное преобразование.

Результат этого метода следует рассматривать как временный. Обновление self не вызывает соответствующего обновления его обратного значения.

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

is_separable = True

output_dims = 1

transform_non_affine(a)

Выполняет только неаффинное преобразование.

transform(values) всегда эквивалентно transform_affine(transform_non_affine(values)).

В неаффинных преобразованиях это обычно эквивалентно transform(values). В аффинных преобразованиях это всегда пустая операция.

Принимает массив NumPy с формой (N x input_dims) и возвращает массив NumPy с формой (N x output_dims).

В качестве альтернативы принимает массив NumPy длиной input_dims и возвращает массив NumPy длиной output_dims.

get_transform() [source]

Возвращает экземпляр SymmetricalLogTransform.

name = 'symlog'

set_default_locators_and_formatters(axis) [source]

Устанавливает локатороы и форматирователи на специализированные версии для симметричной логарифмической шкалы.

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

Основы: matplotlib.transforms.Transform

has_inverse = True

input_dims = 1

inverted() [source]

Возвращает соответствующее обратное преобразование.

Результат выполнения этого метода следует рассматривать как временный. Обновление self не приводит к соответствующему обновлению его инвертированной копии.

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

is_separable = True

output_dims = 1

transform_non_affine(a) [source]

Выполняет только неаффинные части преобразования.

transform(values) всегда эквивалентно transform_affine(transform_non_affine(values)).

В неаффинных преобразованиях это обычно эквивалентно transform(values). В аффинных преобразованиях это всегда бесполезно.

Принимает массив numpy формы (N x input_dims) и возвращает массив numpy формы (N x output_dims).

В качестве альтернативы принимает массив numpy длины input_dims и возвращает массив numpy длины output_dims.

matplotlib.scale.get_scale_docs() [source]

Вспомогательная функция для генерации документации, связанной с масштабами.

matplotlib.scale.get_scale_names() [source]

matplotlib.scale.register_scale(scale_class) [source]

Регистрация нового типа масштаба.

scale_class должен быть подклассом ScaleBase.

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

Возвращает класс масштаба по имени.

ПРИНИМАЕТ: [ линейный | логарифмический | логит | симлог ]