matplotlib.colors.DivergingNorm

class matplotlib.colors.DivergingNorm(vcenter, vmin=None, vmax=None)[源代码]

基类:matplotlib.colors.TwoSlopeNorm

[Deprecated]

笔记

3.2 版后已移除:

使用设置中心规范化数据。

当在概念中心周围以不相等的变化率映射数据时,非常有用,例如,从-2到4的数据,以0为中点。

参数:
vcenter浮动

定义的数据值 0.5 在正常化过程中。

vmin可选浮动

定义的数据值 0.0 在正常化过程中。默认为数据集的最小值。

vmax可选浮动

定义的数据值 1.0 在正常化过程中。默认为数据集的最大值。

实例

这将数据值-4000映射到0,0映射到0.5,以及+10000映射到1.0;之间的数据是线性插值的:

>>> import matplotlib.colors as mcolors
>>> offset = mcolors.TwoSlopeNorm(vmin=-4000.,
                                  vcenter=0., vmax=10000)
>>> data = [-4000., -2000., 0., 2500., 5000., 7500., 10000.]
>>> offset(data)
array([0., 0.25, 0.5, 0.625, 0.75, 0.875, 1.0])
__init__(vcenter, vmin=None, vmax=None)

使用设置中心规范化数据。

当在概念中心周围以不相等的变化率映射数据时,非常有用,例如,从-2到4的数据,以0为中点。

参数:
vcenter浮动

定义的数据值 0.5 在正常化过程中。

vmin可选浮动

定义的数据值 0.0 在正常化过程中。默认为数据集的最小值。

vmax可选浮动

定义的数据值 1.0 在正常化过程中。默认为数据集的最大值。

实例

这将数据值-4000映射到0,0映射到0.5,以及+10000映射到1.0;之间的数据是线性插值的:

>>> import matplotlib.colors as mcolors
>>> offset = mcolors.TwoSlopeNorm(vmin=-4000.,
                                  vcenter=0., vmax=10000)
>>> data = [-4000., -2000., 0., 2500., 5000., 7500., 10000.]
>>> offset(data)
array([0., 0.25, 0.5, 0.625, 0.75, 0.875, 1.0])
__module__ = 'matplotlib.colors'

使用实例 matplotlib.colors.DivergingNorm