matplotlib.colors.Normalize¶

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

基类：object

一个类，当被调用时，它将数据线性地标准化为 [0.0, 1.0] 间隔。

参数:	VMN，Vmax浮动或无如果 vmin 和/或 vmax 如果未给定，则分别从处理的第一个输入的最小值和最大值初始化；即。， `__call__(A)` 电话 `autoscale_None(A)` . clipbool，默认值：False 如果 `True` 值超出范围 `[vmin, vmax]` ，映射到0或1（以较接近者为准），并且遮罩值设置为1。如果 `False` 遮罩的值保持遮罩状态。静默剪切会破坏在colormap中设置over、under和masked颜色的目的，因此很可能会导致意外；因此，默认值是 `clip=False` .

笔记

返回0如果 vmin == vmax .

__call__(value, clip=None)[源代码]¶

归一化价值数据库中的数据 [vmin, vmax] 间隔进入 [0.0, 1.0] 间隔并返回。

参数:	value 要规范化的数据。 clip布尔如果 `None` 默认为 `self.clip` （默认为 `False` ）

笔记

如果尚未初始化， self.vmin 和 self.vmax 使用初始化 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>, '__annotations__': {}})¶

__init__(vmin=None, vmax=None, clip=False)[源代码]¶

参数:	VMN，Vmax浮动或无如果 vmin 和/或 vmax 如果未给定，则分别从处理的第一个输入的最小值和最大值初始化；即。， `__call__(A)` 电话 `autoscale_None(A)` . clipbool，默认值：False 如果 `True` 值超出范围 `[vmin, vmax]` ，映射到0或1（以较接近者为准），并且遮罩值设置为1。如果 `False` 遮罩的值保持遮罩状态。静默剪切会破坏在colormap中设置over、under和masked颜色的目的，因此很可能会导致意外；因此，默认值是 `clip=False` .