matplotlib.colors.Normalize

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

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

Параметры

vmin, vmaxfloat или None

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

clipbool, по умолчанию: False

Если значения, выходящие за пределы диапазона [vmin, vmax], отображаются на 0 или 1, в зависимости от того, что ближе, и значения маскируются, устанавливаются в 1. Если False значения маски остаются замаскированными.

Принудительное обрезание (clipping) подрывает цель установки цветов для значений выше, ниже и замаскированных в палитре, поэтому, скорее всего, приведёт к неожиданным результатам; поэтому по умолчанию используется clip=False.

Примечания

Возвращает 0, если vmin == vmax.

__call__(value, clip=None)[source]

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

Параметры

value: Данные для нормализации.
clipbool: Если None, по умолчанию self.clip (которое по умолчанию False).

Примечания

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

autoscale(A)[source]: Устанавливает vmin, vmax на min, max из A.

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

propertyclip

inverse(value)[source]

staticprocess_value(value)[source]

Приводит входное значение value к однородному виду для удобной и эффективной нормализации.

value может быть скаляром или последовательностью.

Возвращает

resultмассивом с маской: Массив с маской той же формы, что и value.
is_scalarbool: Является ли value скаляром.

Примечания

Типы данных float сохраняются; целые типы с двумя байтами или меньше преобразуются в np.float32, а большие типы — в np.float64. Сохранение float32, когда это возможно, и использование операций на месте значительно повышает скорость для больших массивов.