Python matplotlib CenteredNorm用法及代码示例

本文简要介绍 python 语言中 matplotlib.colors.CenteredNorm 的用法。

用法

class matplotlib.colors.CenteredNorm(vcenter=0, halfrange=None, clip=False)

基础： Normalize

标准化围绕中心的对称数据(默认为 0)。

与 TwoSlopeNorm 不同，CenteredNorm 在中心周围应用相同的变化率。

在围绕概念中心映射对称数据时很有用，例如，范围从 -2 到 4 的数据，其中 0 为中点，并且围绕该中点具有相等的变化率。

参数：

vcenter 浮点数，默认值：0

在规范化中定义0.5 的数据值。

halfrange 浮点数，可选

在规范化中定义0.5的范围的数据值的范围，使得vcenter-halfrange是0.0并且vcenter+halfrange在规范化中是1.0。对于数据集中的值，默认为与 vcenter 的最大绝对差异。

clip 布尔值，默认值：假

确定 [vmin, vmax] 范围之外的映射值的行为。

如果关闭裁剪，则 [vmin, vmax] 范围之外的值也会被转换，从而导致 [0, 1] 范围之外的值。对于颜色图的标准使用，需要这种行为，因为颜色图使用 over 或 under 的特定颜色标记这些外部值。

如果 True 值超出 [vmin, vmax] 范围，则映射为 0 或 1(以较接近者为准)。这使得这些值与常规边界值无法区分，并可能导致数据的误解。

例子

这将数据值 -2 映射到 0.25、0 到 0.5 和 4 到 1.0(假设高于和低于 0.0 的变化率相等)：

>>> import matplotlib.colors as mcolors
>>> norm = mcolors.CenteredNorm(halfrange=4.0)
>>> data = [-2., 0., 4.]
>>> norm(data)
array([0.25, 0.5 , 1.  ])