matplotlib.colors.Normalize #
- 类 matplotlib.colors。归一化（vmin = None , vmax = None , clip = False）[来源] #
基地：
object一个类，当被调用时，它将数据线性归一化到 区间中。
[0.0, 1.0]- 参数：
- vmin, vmax浮点数或无
如果未给出vmin和/或vmax，则它们分别从处理的第一个输入的最小值和最大值初始化；即，
__call__(A)呼叫autoscale_None(A)。- 剪辑布尔，默认值：False
如果
True值超出范围，则映射到 0 或 1，以更接近者为准，并且掩码值设置为 1。如果掩码值保持掩码。[vmin, vmax]FalseClipping 无声无息地破坏了在颜色图中设置 over、under 和 masked 颜色的目的，因此很可能会导致意外；因此默认为
clip=False.
笔记
如果 . 返回 0 。
vmin == vmax- __call__ ( value , clip = None ) [source] #
将区间内的数值数据归一化为 区间并返回。
[vmin, vmax][0.0, 1.0]- 参数：
- 价值
要规范化的数据。
- 剪辑布尔
如果
None，则默认为self.clip（默认为False）。
笔记
如果尚未初始化，
self.vmin则self.vmax使用self.autoscale_None(value).
- 属性 剪辑#
- 静态 process_value (值) [来源] #
均匀化输入值以实现简单有效的标准化。
value可以是标量或序列。
- 返回：
- 结果掩码数组
与value具有相同形状的掩码数组。
- is_scalar布尔值
value是否为标量。
笔记
浮点数据类型被保留；两个字节或更小的整数类型转换为 np.float32，较大的类型转换为 np.float64。尽可能保留 float32 并使用就地操作，极大地提高了大型数组的速度。
- 属性 vmax #
- 属性 vmin #
