Python 中的 matplotlib.colors.two loperom 类
原文:https://www.geeksforgeeks.org/matplotlib-colors-two loperom-in-class-python/
Matplotlib 是 Python 中一个惊人的可视化库,用于数组的 2D 图。Matplotlib 是一个多平台数据可视化库,构建在 NumPy 数组上,旨在与更广泛的 SciPy 堆栈一起工作。
matplot lib.colors.two shape-图面格式
matplotlib.colors.two lop norm 类用于使用 set center 对数据进行规范化。当围绕概念中心映射变化率不相等的数据时,它就派上用场了。例如,在-3 到 6 之间的范围有一个中心 0。
语法:class matplotlib.colors.two lopernom(vcenter,vmin=None,vmax=None) 参数:
vcenter: 它保存一个浮点值,在标准化中定义为 0.5。
vmin: 这是一个可选参数,在归一化中定义数据值 0.0。它默认为数据集的最小值。
vmax: 这是一个可选参数,定义了归一化中的数据值 1.0。它默认为数据集的最大值。
法班:
- autoscale_none(self,A): 此方法用于通过获取 vmax 和 vmin 来对 vcenter 进行削波。
例 1:
蟒蛇 3
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cbook as cbook
import matplotlib.colors as colors
file = cbook.get_sample_data('topobathy.npz',
asfileobj = False)
with np.load(file) as example:
topo = example['topo']
longi = example['longitude']
latit = example['latitude']
figure, axes = plt.subplots(constrained_layout = True)
# creating a colormap that has land
# and ocean clearly delineated and
# of the same length (256 + 256)
undersea = plt.cm.terrain(np.linspace(0, 0.17, 256))
land = plt.cm.terrain(np.linspace(0.25, 1, 256))
every_colors = np.vstack((undersea, land))
terrain_map = colors.LinearSegmentedColormap.from_list('terrain_map',
every_colors)
# the center is offset so that
# the land has more dynamic range
# while making the norm
diversity_norm = colors.TwoSlopeNorm(vmin =-500,
vcenter = 0,
vmax = 4000)
pcm = axes.pcolormesh(longi, latit, topo,
rasterized = True,
norm = diversity_norm,
cmap = terrain_map, )
axes.set_xlabel('Longitude $[^o E]{content}apos;)
axes.set_ylabel('Latitude $[^o N]{content}apos;)
axes.set_aspect(1 / np.cos(np.deg2rad(49)))
figure.colorbar(pcm, shrink = 0.6, extend ='both',
label ='Elevation [m]')
plt.show()
输出:
例 2:
蟒蛇 3
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
data = np.random.normal(.4, 2, (10, 10))
two_slope_norm = mcolors.TwoSlopeNorm(vmin = data.min(),
vmax = data.max(),
vcenter = 0)
plt.imshow(data, cmap = plt.cm.RdBu,
norm = two_slope_norm)
plt.colorbar()
plt.show()
输出: