matplotlib.colors.Normalize

class matplotlib.colors.Normalize(vmin=None, vmax=None, clip=False) [source]

Bases: object

Класс, который при вызове линейно нормализует данные в интервал [0.0, 1.0].

Параметры:

Параметры:	`vmin, vmaxfloat or None` Если vmin и/или vmax не заданы, они инициализируются минимальным и максимальным значением, соответственно, первого обрабатываемого входного значения; то есть, `__call__(A)` вызывает `autoscale_None(A)`. `clipbool, default: False` Если значения `True`, выпадающие за пределы диапазона `[vmin, vmax]`, отображаются на 0 или 1, в зависимости от того, что ближе, а значения с маской устанавливаются в 1. Если `False` значения с маской остаются замаскированными. Обрезка (clipping) лишает смысла установки цветов для значений свыше, ниже и с маской в палитре, поэтому, скорее всего, приведёт к неожиданным результатам; поэтому значение по умолчанию `clip=False`.

vmin, vmaxfloat or None

Если vmin и/или vmax не заданы, они инициализируются минимальным и максимальным значением, соответственно, первого обрабатываемого входного значения; то есть, __call__(A) вызывает autoscale_None(A).

clipbool, default: False

Если значения True, выпадающие за пределы диапазона [vmin, vmax], отображаются на 0 или 1, в зависимости от того, что ближе, а значения с маской устанавливаются в 1. Если False значения с маской остаются замаскированными.

Обрезка (clipping) лишает смысла установки цветов для значений свыше, ниже и с маской в палитре, поэтому, скорее всего, приведёт к неожиданным результатам; поэтому значение по умолчанию clip=False.

Примечания

Возвращает 0, если vmin == vmax.

__call__(self, value, clip=None) [source]

Нормализует данные value в интервале [vmin, vmax] в интервал [0.0, 1.0] и возвращает результат.

Параметры:	value Данные для нормализации. `clipbool` Если `None`, по умолчанию `self.clip` (которое, в свою очередь, по умолчанию равно `False`).

Примечания

Если они ещё не инициализированы, self.vmin и self.vmax инициализируются с помощью self.autoscale_None(value).

__dict__ = mappingproxy({'__module__': 'matplotlib.colors', '__doc__': '\n A class which, when called, linearly normalizes data into the\n ``[0.0, 1.0]`` interval.\n ', '__init__': <function Normalize.__init__>, 'process_value': <staticmethod object>, '__call__': <function Normalize.__call__>, 'inverse': <function Normalize.inverse>, 'autoscale': <function Normalize.autoscale>, 'autoscale_None': <function Normalize.autoscale_None>, 'scaled': <function Normalize.scaled>, '__dict__': <attribute '__dict__' of 'Normalize' objects>, '__weakref__': <attribute '__weakref__' of 'Normalize' objects>, '__slotnames__': []})

__init__(self, vmin=None, vmax=None, clip=False) [source]

Параметры:

Параметры:	`vmin, vmaxfloat or None` Если vmin и/или vmax не заданы, они инициализируются минимальным и максимальным значением, соответственно, первого обрабатываемого входного значения; то есть, `__call__(A)` вызывает `autoscale_None(A)`. `clipbool, default: False` Если значения `True`, выпадающие за пределы диапазона `[vmin, vmax]`, отображаются на 0 или 1, в зависимости от того, что ближе, а значения с маской устанавливаются в 1. Если `False` значения с маской остаются замаскированными. Обрезка (clipping) лишает смысла установки цветов для значений свыше, ниже и с маской в палитре, поэтому, скорее всего, приведёт к неожиданным результатам; поэтому значение по умолчанию `clip=False`.

vmin, vmaxfloat or None

clipbool, default: False

Примечания

Возвращает 0, если vmin == vmax.

__module__ = 'matplotlib.colors'

__slotnames__ = []

__weakref__: Список слабых ссылок на объект (если определён)

autoscale(self, A) [source]: Устанавливает vmin, vmax на минимум и максимум A.

autoscale_None(self, A) [source]: Если vmin или vmax не установлены, использовать min/max из A для их установки.

inverse(self, value) [source]

static process_value(value) [source]

Гомогенизирует входное значение value для удобной и эффективной нормализации.

value может быть скаляром или последовательностью.

Возвращает:	`resultmasked array` Массив с маской, имеющий ту же форму, что и value. `is_scalarbool` Является ли value скаляром.

Примечания

Типы данных с плавающей точкой сохраняются; целочисленные типы с двумя байтами или меньше преобразуются в np.float32, а большие типы преобразуются в np.float64. Сохранение float32 при возможности и использование операций на месте значительно улучшает скорость для больших массивов.