matplotlib.colors.PowerNorm #

Klasse matplotlib.colors. PowerNorm ( gamma , vmin = None , vmax = None , clip = False ) [Quelle] #

Basen:Normalize

Ordnen Sie einen gegebenen Wert linear dem Bereich 0-1 zu und wenden Sie dann eine Potenzgesetz-Normalisierung über diesen Bereich an.

Parameter :
vmin, vmax float oder None

Wenn vmin und/oder vmax nicht angegeben sind, werden sie vom Minimal- bzw. Maximalwert der ersten verarbeiteten Eingabe initialisiert; dh __call__(A)Anrufe autoscale_None(A).

clip bool, Standard: False

Wenn TrueWerte außerhalb des Bereichs liegen, werden sie 0 oder 1 zugeordnet, je nachdem, was näher liegt, und maskierte Werte werden auf 1 gesetzt. Wenn maskierte Werte maskiert bleiben.[vmin, vmax]False

Das Beschneiden vereitelt stillschweigend den Zweck, die Farben darüber, darunter und maskiert in einer Farbkarte festzulegen, sodass es wahrscheinlich zu Überraschungen führt. daher ist die Vorgabe clip=False.

Anmerkungen

Gibt 0 zurück, wenn .vmin == vmax

__call__ ( value , clip = None ) [Quelle] #

Wertdaten im Intervall in das Intervall normalisieren und zurückgeben .[vmin, vmax][0.0, 1.0]

Parameter :
Wert

Zu normalisierende Daten.

bool _

Wenn None, ist standardmäßig self.clip(was standardmäßig False).

Anmerkungen

Falls noch nicht initialisiert, werden self.vminund self.vmaxmit initialisiert self.autoscale_None(value).

invers ( Wert ) [Quelle] #

Beispiele mit matplotlib.colors.PowerNorm#

Colormap-Normalisierungen

Colormap-Normalisierungen

Colormap-Normalisierungen
Shaded & Power Normalized Rendering

Shaded & Power Normalized Rendering

Shaded & Power Normalized Rendering
Erforschung von Normalisierungen

Erforschung von Normalisierungen

Erforschung von Normalisierungen
Colormap-Normalisierung

Colormap-Normalisierung

Colormap-Normalisierung