Python学习笔记 Matplotlib.colors.Normalize用法及代碼示例

Matplotlib是Python中令人驚歎的可視化庫，用於數組的二維圖。 Matplotlib是一個基於NumPy數組的多平台數據可視化庫，旨在與更廣泛的SciPy堆棧配合使用。

matplotlib.colors.Normalize類屬於matplotlib.colors模塊。 matplotlib.colors模塊用於將顏色或數字參數轉換為RGBA或RGB。此模塊用於將數字映射到顏色或以一維顏色數組(也稱為colormap)進行顏色規格轉換。

matplotlib.colors.Normalize類用於將數據規範化為[0.0，1.0]的間隔。

用法:

class matplotlib.colors.Normalize(vmin=None, vmax=None, clip=False)

 

如果未設置vmin或vmax，則它將分別從處理的第一個輸入的最小值和最大值進行初始化。換句話說，__call __(Data)調用autoscale_None(Data)。如果clip的值設置為True且給定值超出範圍，則它將返回0或1，以最接近的值為準。如果vmax == vmin，則返回0。它與標量或包含掩碼數組的數組一起運行。如果clip為True，則將蒙版值設置為1，否則它們將保持蒙版。

方法：

1. autoscale(self, A):此方法將vmin設置為A的最小值，並將vmax設置為A的最大值。
2. autoscale_None(self, A):此方法僅自動縮放具有無值的vmin和vmax。
3. inverse(self, value):它交換vmin和vmax的值。
4. static process_value(value):此方法中的value參數可以是標量或序列。它用於均化輸入值，以進行有效而簡單的標準化。此方法返回匹配值的掩碼數組。將保留所有浮點數據類型，並將具有兩個或更少字節的整數數據類型轉換為np.float32，而將較大字節類型的數據轉換為np.float64。這樣做是為了通過使用就地操作盡可能保留float32值來提高大型數組的速度。
5. scaled(self):它返回一個布爾值以檢查是否設置了vmin或vmax。

範例1：

import matplotlib.pyplot as plt 
import numpy as np 
from matplotlib import colors 
from matplotlib.ticker import PercentFormatter 
  
# set a  random state for  
# reproducibility 
np.random.seed(19687581) 
  
total_points = 500000
total_bins = 100
  
# Centering at a = 0 and b = 5 
# generate normal distributions 
a = np.random.randn(total_points) 
b = .4 * a + np.random.randn(500000) + 5
  
figure, axes = plt.subplots(1, 2,  
                            tight_layout = True) 
  
# C is the count in each bin 
C, bins, patches = axes[0].hist(a, 
                                bins = total_bins) 
  
# We'll color code by height, 
# but you could use any scalar 
fracs = C / C.max() 
  
# Normalize of  the data to 0..1  
# for covering the full range of  
# the colormap 
norm = colors.Normalize(fracs.min(), fracs.max()) 
  
# looping through the objects and  
# setting the color of each accordingly 
for thisfrac, thispatch in zip(fracs, patches):
    color = plt.cm.viridis(norm(thisfrac)) 
    thispatch.set_facecolor(color) 
  
# normalize the inputs by C 
axes[1].hist(a, bins = total_bins, density = True) 
  
# formating the y-axis for displaying 
# percentage 
axes[1].yaxis.set_major_formatter(PercentFormatter(xmax = 1))

輸出：

範例2：

import matplotlib.pyplot as plt 
import matplotlib as mpl 
  
figure, axes = plt.subplots(figsize =(6, 1)) 
figure.subplots_adjust(bottom = 0.5) 
  
color_map = mpl.cm.cool 
normlizer = mpl.colors.Normalize(vmin = 0, vmax = 5) 
  
figure.colorbar(mpl.cm.ScalarMappable(norm = normlizer, 
               cmap = color_map), 
               cax = axes, orientation ='horizontal', 
               label ='Arbitary Units')

輸出：