`matplotlib.scale`#

Skalen definieren die Verteilung von Datenwerten auf einer Achse, zB eine logarithmische Skalierung. Sie sind als Unterklassen von definiert ScaleBase.

Siehe auch axes.Axes.set_xscaleund die Skalenbeispiele in der Dokumentation.

Siehe Benutzerdefinierte Skala für ein vollständiges Beispiel zum Definieren einer benutzerdefinierten Skala.

Matplotlib unterstützt auch nicht trennbare Transformationen, die auf beiden Axisgleichzeitig ausgeführt werden. Sie werden als Projektionen bezeichnet und in definiert matplotlib.projections.

Klasse matplotlib.scale. AsinhScale ( axis , * , linear_width = 1.0 , base = 10 , subs = 'auto' , ** kwargs ) [source] #

Basen:ScaleBase

Eine quasi-logarithmische Skala basierend auf dem inversen hyperbolischen Sinus (asinh)

Für Werte nahe Null ist dies im Wesentlichen eine lineare Skala, aber für große Magnitudenwerte (entweder positiv oder negativ) ist sie asymptotisch logarithmisch. Der Übergang zwischen diesen linearen und logarithmischen Regimen ist fließend und weist im Gegensatz zur SymmetricalLogScale(„symlog“)-Skala keine Unstetigkeiten im Funktionsverlauf auf.

Insbesondere die Transformation einer Achsenkoordinate\(a\)ist \(a \rightarrow a_0 \sinh^{-1} (a / a_0)\)wo\(a_0\) die effektive Breite des linearen Bereichs der Transformation ist. In dieser Region ist die Transformation \(a \rightarrow a + \mathcal{O}(a^3)\). Für große Werte von\(a\)die Transformation verhält sich wie \(a \rightarrow a_0 \, \mathrm{sgn}(a) \ln |a| + \mathcal{O}(1)\).

Notiz

Diese API ist vorläufig und kann in Zukunft basierend auf frühem Benutzerfeedback überarbeitet werden.

Parameter :

linear_width Float, Standard: 1: Der Skalierungsparameter (anders als\(a_0\)), die die Ausdehnung des quasilinearen Bereichs definiert, und die Koordinatenwerte, jenseits derer die Transformation asymptotisch logarithmisch wird.
Basis int, Standard: 10: Die Zahlenbasis, die zum Runden von Tick-Positionen auf einer logarithmischen Skala verwendet wird. Wenn dieser kleiner als eins ist, wird auf das nächste ganzzahlige Vielfache von Zehnerpotenzen gerundet.
subs Folge von int: Vielfache der für kleine Ticks verwendeten Zahlenbasis. Wenn es auf „auto“ gesetzt ist, werden eingebaute Standardwerte verwendet, z. B. (2, 5) für Basis=10.

auto_tick_multipliers = {3: (2,), 4: (2,), 5: (2,), 8: (2, 4), 10: (2, 5), 16: (2, 4, 8), 64: (4, 16), 1024: (256, 512)} #

get_transform ( ) [Quelle] #: Gibt das Transformmit dieser Skala verknüpfte Objekt zurück.

Eigenschaft linear_width #

name = 'asinh' #

set_default_locators_and_formatters ( Achse ) [Quelle] #: Stellen Sie die Positionsgeber und Formatierer der Achse auf Instanzen ein, die für diesen Maßstab geeignet sind.

Klasse matplotlib.scale. AsinhTransform ( linear_width ) [Quelle] #

Basen:Transform

Inverse hyperbolische Sinustransformation verwendet vonAsinhScale

Parameter :

Kurzname str: Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

has_inverse = True #: True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 1 #: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = True #: True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 1 #: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transform_non_affine ( a ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :

Werte -Array: Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :

Reihe: Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

Klasse matplotlib.scale. FuncScale ( Achse , Funktionen ) [Quelle] #

Basen:ScaleBase

Stellen Sie eine beliebige Skala mit vom Benutzer bereitgestellter Funktion für die Achse bereit.

Parameter :

AchseAxis

Die Achse für die Skala.

Funktionen (aufrufbar, aufrufbar)

Zwei-Tupel der Vorwärts- und Umkehrfunktionen für die Skala. Die Vorwärtsfunktion muss monoton sein.

Beide Funktionen müssen die Signatur haben:

def forward(values: array-like) -> array-like

get_transform ( ) [Quelle] #: Gibt die FuncTransformdieser Skala zugeordnete zurück.

name = 'funktion' #

set_default_locators_and_formatters ( Achse ) [Quelle] #: Stellen Sie die Positionsgeber und Formatierer der Achse auf Instanzen ein, die für diesen Maßstab geeignet sind.

Klasse matplotlib.scale. FuncScaleLog ( Achse , Funktionen , Basis = 10 ) [Quelle] #

Basen:LogScale

Stellen Sie eine beliebige Skala mit einer vom Benutzer bereitgestellten Funktion für die Achse bereit und setzen Sie sie dann auf eine logarithmische Achse.

Parameter :

Achsematplotlib.axis.Axis

Die Achse für die Skala.

Funktionen (aufrufbar, aufrufbar)

Zwei-Tupel der Vorwärts- und Umkehrfunktionen für die Skala. Die Vorwärtsfunktion muss monoton sein.

Beide Funktionen müssen die Signatur haben:

def forward(values: array-like) -> array-like

Basisfloat , Standard: 10

Logarithmische Basis der Skala.

Grundstücksbasis # _

get_transform ( ) [Quelle] #: Gibt die Transformdieser Skala zugeordnete zurück.

name = 'Funktionsprotokoll' #

Klasse matplotlib.scale. FuncTransform ( forward , inverse ) [Quelle] #

Basen:Transform

Eine einfache Transformation, die eine beliebige Funktion für die Vorwärts- und Rückwärtstransformation annimmt.

Parameter :

weiterrufbar _

Die Vorwärtsfunktion für die Transformation. Diese Funktion muss eine Umkehrung haben und für bestes Verhalten monoton sein. Es muss die Signatur haben:

def forward(values: array-like) -> array-like

umgekehrt aufrufbar

Die Umkehrung der Vorwärtsfunktion. Signatur als forward.

has_inverse = True #: True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 1 #: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = True #: True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 1 #: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transform_non_affine ( Werte ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :

Werte -Array: Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :

Reihe: Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

Klasse matplotlib.scale. InvertedAsinhTransform ( linear_width ) [Quelle] #

Basen:Transform

Hyperbolische Sinustransformation verwendet vonAsinhScale

Parameter :

Kurzname str: Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

has_inverse = True #: True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 1 #: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = True #: True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 1 #: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transform_non_affine ( a ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :

Werte -Array: Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :

Reihe: Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

Klasse matplotlib.scale. InvertedLogTransform ( Basis ) [Quelle] #

Basen:Transform

Parameter :

Kurzname str: Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

has_inverse = True #: True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 1 #: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = True #: True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 1 #: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transform_non_affine ( a ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :

Werte -Array: Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :

Reihe: Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

Klasse matplotlib.scale. InvertedSometricLogTransform ( base , linthresh , linscale ) [Quelle] #

Basen:Transform

Parameter :

Kurzname str: Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

has_inverse = True #: True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 1 #: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = True #: True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 1 #: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transform_non_affine ( a ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :

Werte -Array: Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :

Reihe: Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

Klasse matplotlib.scale. LinearScale ( Achse ) [Quelle] #

Basen:ScaleBase

Die standardmäßige lineare Skalierung.

get_transform ( ) [Quelle] #: Gibt die Transformation für die lineare Skalierung zurück, die nur die IdentityTransform.

name = 'linear' #

set_default_locators_and_formatters ( Achse ) [Quelle] #: Stellen Sie die Positionsgeber und Formatierer der Achse auf Instanzen ein, die für diesen Maßstab geeignet sind.

Klasse matplotlib.scale. LogScale ( axis , * , base = 10 , subs = None , nonpositive = 'clip' ) [source] #

Basen:ScaleBase

Eine standardmäßige logarithmische Skala. Es wird darauf geachtet, nur positive Werte zu zeichnen.

Parameter :

AchseAxis: Die Achse für die Skala.
Basisfloat , Standard: 10: Die Basis des Logarithmus.
nicht positiv {'clip', 'mask'}, Standard: 'clip': Bestimmt das Verhalten bei nicht positiven Werten. Sie können entweder als ungültig maskiert oder auf eine sehr kleine positive Zahl gekürzt werden.
subs Sequenz von int, Standard: Keine: Wo die Subticks zwischen den einzelnen Hauptticks platziert werden sollen. In einer log10-Skala werden beispielsweise 8 logarithmisch beabstandete kleine Ticks zwischen jedem großen Tick platziert.[2, 3, 4, 5, 6, 7, 8, 9]

Grundstücksbasis # _

get_transform ( ) [Quelle] #: Gibt die LogTransformdieser Skala zugeordnete zurück.

limit_range_for_scale ( vmin , vmax , minpos ) [Quelle] #: Beschränken Sie die Domäne auf positive Werte.

name = 'log' #

set_default_locators_and_formatters ( Achse ) [Quelle] #: Stellen Sie die Positionsgeber und Formatierer der Achse auf Instanzen ein, die für diesen Maßstab geeignet sind.

Klasse matplotlib.scale. LogTransform ( base , nonpositive = 'clip' ) [Quelle] #

Basen:Transform

Parameter :

Kurzname str: Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

has_inverse = True #: True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 1 #: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = True #: True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 1 #: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transform_non_affine ( a ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :

Werte -Array: Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :

Reihe: Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

Klasse matplotlib.scale. LogisticTransform ( nonpositive = 'mask' ) [Quelle] #

Basen:Transform

Parameter :

Kurzname str: Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

has_inverse = True #: True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 1 #: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = True #: True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 1 #: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transform_non_affine ( a ) [Quelle] #: logistische Transformation (Basis 10)

Klasse matplotlib.scale. LogitScale ( axis , nonpositive = 'mask' , * , one_half = '\\frac{1}{2}' , use_overline = False ) [Quelle] #

Basen:ScaleBase

Logit-Skala für Daten zwischen null und eins, beide ausgeschlossen.

Diese Skala ähnelt einer logarithmischen Skala nahe null und eins und ist um 0,5 herum fast linear. Es bildet das Intervall ]0, 1[ auf ]-infty, +infty[ ab.

Parameter :

Achsematplotlib.axis.Axis: Derzeit unbenutzt.
kraftschlüssig {'Maske', 'Clip'}: Bestimmt das Verhalten für Werte jenseits des offenen Intervalls ]0, 1[. Sie können entweder als ungültig maskiert oder auf eine Zahl sehr nahe bei 0 oder 1 gekürzt werden.
use_overline bool, Standard: False: Geben Sie die Verwendung der Überlebensnotation (Überstreichung {x}) anstelle der Standardnotation (1-x) für Wahrscheinlichkeiten nahe eins an.
one_half str, Standard: r"frac{1}{2}": Die Zeichenfolge, die für den Tick-Formatierer verwendet wird, um 1/2 darzustellen.

get_transform ( ) [Quelle] #: Gibt die LogitTransformdieser Skala zugeordnete zurück.

limit_range_for_scale ( vmin , vmax , minpos ) [Quelle] #: Beschränken Sie die Domäne auf Werte zwischen 0 und 1 (ausgeschlossen).

name = 'logit' #

set_default_locators_and_formatters ( Achse ) [Quelle] #: Stellen Sie die Positionsgeber und Formatierer der Achse auf Instanzen ein, die für diesen Maßstab geeignet sind.

Klasse matplotlib.scale. LogitTransform ( nonpositive = 'mask' ) [Quelle] #

Basen:Transform

Parameter :

Kurzname str: Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

has_inverse = True #: True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 1 #: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = True #: True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 1 #: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transform_non_affine ( a ) [Quelle] #: Logit-Transformation (Basis 10), maskiert oder abgeschnitten

Klasse matplotlib.scale. ScaleBase ( Achse ) [Quelle] #

Basen:object

Die Basisklasse für alle Tonleitern.

Skalen sind trennbare Transformationen, die auf einer einzigen Dimension arbeiten.

Unterklassen sollten überschrieben werden

name: Der Name der Waage.
get_transform(): Eine Methode, die ein Transformzurückgibt, das Datenkoordinaten in skalierte Koordinaten konvertiert. Diese Transformation sollte invertierbar sein, damit zB Mauspositionen wieder in Datenkoordinaten umgewandelt werden können.
set_default_locators_and_formatters(): Eine Methode, die Standard-Locators und -Formatierer für eine festlegt Axis , die diese Skala verwendet.
limit_range_for_scale(): Eine optionale Methode, die den Achsenbereich auf akzeptable Werte „fixiert“, z. B. logarithmisch skalierte Achsen auf positive Werte beschränkt.

Konstruieren Sie eine neue Skala.

Anmerkungen

Der folgende Hinweis ist für Scale-Implementierer.

Aus Gründen der Abwärtskompatibilität nehmen Waagen ein Axis Objekt als erstes Argument. Dieses Argument sollte jedoch nicht verwendet werden: Ein einzelnes Skalenobjekt sollte von mehreren Axises gleichzeitig verwendet werden können.

get_transform ( ) [Quelle] #: Gibt das Transformmit dieser Skala verknüpfte Objekt zurück.

limit_range_for_scale ( vmin , vmax , minpos ) [Quelle] #

Geben Sie den Bereich vmin , vmax zurück , der auf die Domäne beschränkt ist, die von dieser Skala unterstützt wird (falls vorhanden).

minpos sollte der minimale positive Wert in den Daten sein. Dies wird von logarithmischen Waagen verwendet, um einen Mindestwert zu bestimmen.

set_default_locators_and_formatters ( Achse ) [Quelle] #: Stellen Sie die Positionsgeber und Formatierer der Achse auf Instanzen ein, die für diesen Maßstab geeignet sind.

Klasse matplotlib.scale. SymmetricLogScale ( axis , * , base = 10 , linthresh = 2 , subs = None , linscale = 1 ) [source] #

Basen:ScaleBase

Die symmetrische logarithmische Skala ist vom Ursprung sowohl in positiver als auch in negativer Richtung logarithmisch.

Da die Werte nahe Null gegen unendlich tendieren, ist ein linearer Bereich um Null herum erforderlich. Mit dem Parameter linthresh kann der Benutzer die Größe dieses Bereichs angeben ( -linthresh , linthresh ).

Parameter :

Basisfloat , Standard: 10: Die Basis des Logarithmus.
linthresh Float, Standard: 2: Definiert den Bereich , innerhalb dessen der Plot linear ist. Dadurch wird vermieden, dass der Plot um Null herum ins Unendliche geht.(-x, x)
subs Folge von int: Wo die Subticks zwischen den einzelnen Hauptticks platziert werden sollen. Zum Beispiel in einer log10-Skala: platziert 8 logarithmisch beabstandete kleine Ticks zwischen jedem großen Tick.[2, 3, 4, 5, 6, 7, 8, 9]
Maßstabsschwimmer , optional: Dadurch kann der lineare Bereich relativ zum logarithmischen Bereich gestreckt werden. Sein Wert ist die Anzahl der Dekaden, die für jede Hälfte des linearen Bereichs verwendet werden. Wenn z. B. linscale == 1,0 (Standardeinstellung) ist, entspricht der für die positive und negative Hälfte des linearen Bereichs verwendete Platz einer Dekade im logarithmischen Bereich.(-linthresh, linthresh)

Konstruieren Sie eine neue Skala.

Anmerkungen

Der folgende Hinweis ist für Scale-Implementierer.

Grundstücksbasis # _

get_transform ( ) [Quelle] #: Gibt die SymmetricalLogTransformdieser Skala zugeordnete zurück.

Eigenschaft Linscale #

Eigenschaft linthresh #

name = 'symlog' #

set_default_locators_and_formatters ( Achse ) [Quelle] #: Stellen Sie die Positionsgeber und Formatierer der Achse auf Instanzen ein, die für diesen Maßstab geeignet sind.

Klasse matplotlib.scale. SymmetricLogTransform ( base , linthresh , linscale ) [Quelle] #

Basen:Transform

Parameter :

Kurzname str: Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

has_inverse = True #: True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 1 #: Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = True #: True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 1 #: Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transform_non_affine ( a ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :

Werte -Array: Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :

Reihe: Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

matplotlib.scale. get_scale_names ( ) [Quelle] #: Gibt die Namen der verfügbaren Skalen zurück.

matplotlib.scale. register_scale ( scale_class ) [Quelle] #

Registrieren Sie eine neue Art von Waage.

Parameter :

scale_class Unterklasse vonScaleBase: Die zu registrierende Waage.

matplotlib.scale. scale_factory ( scale , axis , ** kwargs ) [Quelle] #

Geben Sie eine Maßstabsklasse nach Namen zurück.

Parameter :

scale {'asinh', 'function', 'functionlog', 'linear', 'log', 'logit', 'symlog'}
Achsematplotlib.axis.Axis

matplotlib.scale#

`matplotlib.scale`#