笔记
单击此处 下载完整的示例代码
颜色映射规范化 SymLogNorm #
演示使用 norm 以非线性方式将颜色图映射到数据上。
由两个驼峰组成的合成数据集,一负一正,正波振幅为 8 倍。线性地,负驼峰几乎看不见,很难看到其轮廓的任何细节。对数比例适用于正值和负值,更容易看到每个驼峰的形状。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors as colors
def rbf(x, y):
return 1.0 / (1 + 5 * ((x ** 2) + (y ** 2)))
N = 200
gain = 8
X, Y = np.mgrid[-3:3:complex(0, N), -2:2:complex(0, N)]
Z1 = rbf(X + 0.5, Y + 0.5)
Z2 = rbf(X - 0.5, Y - 0.5)
Z = gain * Z1 - Z2
shadeopts = {'cmap': 'PRGn', 'shading': 'gouraud'}
colormap = 'PRGn'
lnrwidth = 0.5
fig, ax = plt.subplots(2, 1, sharex=True, sharey=True)
pcm = ax[0].pcolormesh(X, Y, Z,
norm=colors.SymLogNorm(linthresh=lnrwidth, linscale=1,
vmin=-gain, vmax=gain, base=10),
**shadeopts)
fig.colorbar(pcm, ax=ax[0], extend='both')
ax[0].text(-2.5, 1.5, 'symlog')
pcm = ax[1].pcolormesh(X, Y, Z, vmin=-gain, vmax=gain,
**shadeopts)
fig.colorbar(pcm, ax=ax[1], extend='both')
ax[1].text(-2.5, 1.5, 'linear')
Text(-2.5, 1.5, 'linear')
为了找到任何特定数据集的最佳可视化,可能需要尝试多种不同的色标。除了SymLogNorm
缩放之外,还有使用AsinhNorm
(实验)的选项,它在应用于数据值“Z”的变换的线性和对数区域之间具有更平滑的过渡。在下图中,尽管数据集本身没有明显的特征,但仍有可能在每个驼峰周围看到类似轮廓的伪影。缩放显示每个驼峰的asinh
阴影更平滑。
fig, ax = plt.subplots(2, 1, sharex=True, sharey=True)
pcm = ax[0].pcolormesh(X, Y, Z,
norm=colors.SymLogNorm(linthresh=lnrwidth, linscale=1,
vmin=-gain, vmax=gain, base=10),
**shadeopts)
fig.colorbar(pcm, ax=ax[0], extend='both')
ax[0].text(-2.5, 1.5, 'symlog')
pcm = ax[1].pcolormesh(X, Y, Z,
norm=colors.AsinhNorm(linear_width=lnrwidth,
vmin=-gain, vmax=gain),
**shadeopts)
fig.colorbar(pcm, ax=ax[1], extend='both')
ax[1].text(-2.5, 1.5, 'asinh')
plt.show()
脚本总运行时间:(0分3.374秒)