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
.
笔记
返回0如果
vmin == vmax
.
-
__module__
= 'matplotlib.colors'¶
-
__weakref__
¶ 对象的弱引用列表(如果已定义)