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'¶