`matplotlib.scale`#

比例定义了数据值在轴上的分布，例如对数比例。它们被定义为的子类ScaleBase。

另请参阅axes.Axes.set_xscale文档中的比例示例。

有关定义自定义比例的完整示例，请参阅自定义比例。

Matplotlib 还支持同时在两者上运行的不可分离的转换 Axis。它们被称为投影，定义在 matplotlib.projections.

类 matplotlib.scale。AsinhScale (轴, * , linear_width = 1.0 , base = 10 , subs = 'auto' , ** kwargs ) [来源] #

基地：ScaleBase

基于反双曲正弦 (asinh) 的准对数标度

对于接近零的值，这本质上是一个线性比例，但对于大幅度值（正或负），它是渐近对数的。这些线性和对数状态之间的过渡是平滑的，与SymmetricalLogScale（“symlog”）尺度相比，函数梯度没有不连续性。

具体来说，轴坐标的变换\(a\)是 \(a \rightarrow a_0 \sinh^{-1} (a / a_0)\)在哪里\(a_0\) 是变换的线性区域的有效宽度。在那个区域，变换是 \(a \rightarrow a + \mathcal{O}(a^3)\). 对于较大的值\(a\)转换表现为 \(a \rightarrow a_0 \, \mathrm{sgn}(a) \ln |a| + \mathcal{O}(1)\).

笔记

此 API 是临时的，将来可能会根据早期用户反馈进行修订。

参数：

线性宽度浮动，默认值：1: 比例参数（在其他地方称为\(a_0\)) 定义准线性区域的范围，以及超出该坐标值的变换变为渐近对数的坐标值。
基本整数，默认值：10: 用于在对数刻度上舍入刻度位置的数字基数。如果小于一，则四舍五入到最接近的 10 次幂的整数倍。
int的子序列: 用于次要刻度的数字基数的倍数。如果设置为“auto”，这将使用内置默认值，例如 (2, 5) 表示 base=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 ( ) [来源] #: 返回Transform与此比例关联的对象。

属性线性宽度#

名称= 'asinh' #

set_default_locators_and_formatters (轴) [来源] #: 将轴的定位器和格式化程序设置为适合此比例的实例。

类 matplotlib.scale。AsinhTransform ( linear_width ) [来源] #

基地：Transform

反双曲正弦变换AsinhScale

参数：

速记名 str: 表示转换的“名称”的字符串。str(transform)除了提高DEBUG=True 时的可读性之外，该名称没有任何意义。

has_inverse = True #: 如果此变换具有相应的逆变换，则为真。

input_dims = 1 #: 此变换的输入维数。必须在子类中被覆盖（使用整数）。

倒置( ) [来源] #

返回对应的逆变换。

它成立。x == self.inverted().transform(self.transform(x))

此方法的返回值应被视为临时的。对self的更新不会导致对其反向副本的相应更新。

is_separable = True #: 如果此变换在 x 和 y 维度上是可分离的，则为真。

output_dims = 1 #: 此变换的输出维数。必须在子类中被覆盖（使用整数）。

transform_non_affine ( a ) [来源] #

仅应用此转换的非仿射部分。

transform(values)总是等价于 transform_affine(transform_non_affine(values))。

在非仿射变换中，这通常等价于 transform(values)。在仿射变换中，这始终是空操作。

参数：

值数组: 输入值作为长度input_dims或形状 (N x input_dims) 的 NumPy 数组。

返回：

大批: 输出值作为长度output_dims或形状 (N x output_dims) 的 NumPy 数组，具体取决于输入。

类 matplotlib.scale。FuncScale (轴,函数) [来源] #

基地：ScaleBase

使用用户提供的功能为轴提供任意比例。

参数：

轴Axis

刻度轴。

函数（可调用，可调用）

尺度的正反函数的二元组。前向函数必须是单调的。

这两个函数都必须具有签名：

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

get_transform ( ) [来源] #: 返回FuncTransform与此比例相关的。

名称= '功能' #

set_default_locators_and_formatters (轴) [来源] #: 将轴的定位器和格式化程序设置为适合此比例的实例。

类 matplotlib.scale。FuncScaleLog (轴,函数, base = 10 ) [来源] #

基地：LogScale

使用用户提供的函数为轴提供任意比例，然后放在对数轴上。

参数：

轴matplotlib.axis.Axis

刻度轴。

函数（可调用，可调用）

尺度的正反函数的二元组。前向函数必须是单调的。

这两个函数都必须具有签名：

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

基本浮点数，默认值：10

刻度的对数底。

属性基础#

get_transform ( ) [来源] #: 返回Transform与此比例相关的。

名称= '功能日志' #

类 matplotlib.scale。FuncTransform ( forward , inverse ) [来源] #

基地：Transform

一个简单的变换，它采用任意函数进行正向和逆变换。

参数：

前向可调用

变换的前向函数。此函数必须具有逆函数，并且为了获得最佳行为，必须是单调的。它必须有签名：

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

反向可调用

前向函数的逆函数。签名为forward.

has_inverse = True #: 如果此变换具有相应的逆变换，则为真。

input_dims = 1 #: 此变换的输入维数。必须在子类中被覆盖（使用整数）。

倒置( ) [来源] #

返回对应的逆变换。

它成立。x == self.inverted().transform(self.transform(x))

此方法的返回值应被视为临时的。对self的更新不会导致对其反向副本的相应更新。

is_separable = True #: 如果此变换在 x 和 y 维度上是可分离的，则为真。

output_dims = 1 #: 此变换的输出维数。必须在子类中被覆盖（使用整数）。

transform_non_affine (值) [来源] #

仅应用此转换的非仿射部分。

transform(values)总是等价于 transform_affine(transform_non_affine(values))。

在非仿射变换中，这通常等价于 transform(values)。在仿射变换中，这始终是空操作。

参数：

值数组: 输入值作为长度input_dims或形状 (N x input_dims) 的 NumPy 数组。

返回：

大批: 输出值作为长度output_dims或形状 (N x output_dims) 的 NumPy 数组，具体取决于输入。

类 matplotlib.scale。InvertedAsinhTransform ( linear_width ) [来源] #

基地：Transform

使用的双曲正弦变换AsinhScale

参数：

速记名 str: 表示转换的“名称”的字符串。str(transform)除了提高DEBUG=True 时的可读性之外，该名称没有任何意义。

has_inverse = True #: 如果此变换具有相应的逆变换，则为真。

input_dims = 1 #: 此变换的输入维数。必须在子类中被覆盖（使用整数）。

倒置( ) [来源] #

返回对应的逆变换。

它成立。x == self.inverted().transform(self.transform(x))

此方法的返回值应被视为临时的。对self的更新不会导致对其反向副本的相应更新。

is_separable = True #: 如果此变换在 x 和 y 维度上是可分离的，则为真。

output_dims = 1 #: 此变换的输出维数。必须在子类中被覆盖（使用整数）。

transform_non_affine ( a ) [来源] #

仅应用此转换的非仿射部分。

transform(values)总是等价于 transform_affine(transform_non_affine(values))。

在非仿射变换中，这通常等价于 transform(values)。在仿射变换中，这始终是空操作。

参数：

值数组: 输入值作为长度input_dims或形状 (N x input_dims) 的 NumPy 数组。

返回：

大批: 输出值作为长度output_dims或形状 (N x output_dims) 的 NumPy 数组，具体取决于输入。

类 matplotlib.scale。InvertedLogTransform ( base ) [来源] #

基地：Transform

参数：

速记名 str: 表示转换的“名称”的字符串。str(transform)除了提高DEBUG=True 时的可读性之外，该名称没有任何意义。

has_inverse = True #: 如果此变换具有相应的逆变换，则为真。

input_dims = 1 #: 此变换的输入维数。必须在子类中被覆盖（使用整数）。

倒置( ) [来源] #

返回对应的逆变换。

它成立。x == self.inverted().transform(self.transform(x))

此方法的返回值应被视为临时的。对self的更新不会导致对其反向副本的相应更新。

is_separable = True #: 如果此变换在 x 和 y 维度上是可分离的，则为真。

output_dims = 1 #: 此变换的输出维数。必须在子类中被覆盖（使用整数）。

transform_non_affine ( a ) [来源] #

仅应用此转换的非仿射部分。

transform(values)总是等价于 transform_affine(transform_non_affine(values))。

在非仿射变换中，这通常等价于 transform(values)。在仿射变换中，这始终是空操作。

参数：

值数组: 输入值作为长度input_dims或形状 (N x input_dims) 的 NumPy 数组。

返回：

大批: 输出值作为长度output_dims或形状 (N x output_dims) 的 NumPy 数组，具体取决于输入。

类 matplotlib.scale。InvertedSymmetricalLogTransform ( base , linthresh , linscale ) [source] #

基地：Transform

参数：

速记名 str: 表示转换的“名称”的字符串。str(transform)除了提高DEBUG=True 时的可读性之外，该名称没有任何意义。

has_inverse = True #: 如果此变换具有相应的逆变换，则为真。

input_dims = 1 #: 此变换的输入维数。必须在子类中被覆盖（使用整数）。

倒置( ) [来源] #

返回对应的逆变换。

它成立。x == self.inverted().transform(self.transform(x))

此方法的返回值应被视为临时的。对self的更新不会导致对其反向副本的相应更新。

is_separable = True #: 如果此变换在 x 和 y 维度上是可分离的，则为真。

output_dims = 1 #: 此变换的输出维数。必须在子类中被覆盖（使用整数）。

transform_non_affine ( a ) [来源] #

仅应用此转换的非仿射部分。

transform(values)总是等价于 transform_affine(transform_non_affine(values))。

在非仿射变换中，这通常等价于 transform(values)。在仿射变换中，这始终是空操作。

参数：

值数组: 输入值作为长度input_dims或形状 (N x input_dims) 的 NumPy 数组。

返回：

大批: 输出值作为长度output_dims或形状 (N x output_dims) 的 NumPy 数组，具体取决于输入。

类 matplotlib.scale。LinearScale (轴) [来源] #

基地：ScaleBase

默认线性比例。

get_transform ( ) [来源] #: 返回线性缩放的变换，这只是 IdentityTransform.

名称= '线性' #

set_default_locators_and_formatters (轴) [来源] #: 将轴的定位器和格式化程序设置为适合此比例的实例。

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

基地：ScaleBase

标准对数刻度。注意仅绘制正值。

参数：

轴Axis: 刻度轴。
基本浮点数，默认值：10: 对数的底。
非正数{'clip', 'mask'}，默认值：'clip': 确定非正值的行为。它们可以被屏蔽为无效，或者被剪裁为一个非常小的正数。
子序列 int，默认值：无: 在每个主要刻度之间放置子刻度的位置。例如，在 log10 刻度中，将在每个主要刻度之间放置 8 个对数间隔的次要刻度。[2, 3, 4, 5, 6, 7, 8, 9]

属性基础#

get_transform ( ) [来源] #: 返回LogTransform与此比例相关的。

limit_range_for_scale ( vmin , vmax , minpos ) [来源] #: 将域限制为正值。

名称= '日志' #

set_default_locators_and_formatters (轴) [来源] #: 将轴的定位器和格式化程序设置为适合此比例的实例。

类 matplotlib.scale。LogTransform ( base , nonpositive = 'clip' ) [source] #

基地：Transform

参数：

速记名 str: 表示转换的“名称”的字符串。str(transform)除了提高DEBUG=True 时的可读性之外，该名称没有任何意义。

has_inverse = True #: 如果此变换具有相应的逆变换，则为真。

input_dims = 1 #: 此变换的输入维数。必须在子类中被覆盖（使用整数）。

倒置( ) [来源] #

返回对应的逆变换。

它成立。x == self.inverted().transform(self.transform(x))

此方法的返回值应被视为临时的。对self的更新不会导致对其反向副本的相应更新。

is_separable = True #: 如果此变换在 x 和 y 维度上是可分离的，则为真。

output_dims = 1 #: 此变换的输出维数。必须在子类中被覆盖（使用整数）。

transform_non_affine ( a ) [来源] #

仅应用此转换的非仿射部分。

transform(values)总是等价于 transform_affine(transform_non_affine(values))。

在非仿射变换中，这通常等价于 transform(values)。在仿射变换中，这始终是空操作。

参数：

值数组: 输入值作为长度input_dims或形状 (N x input_dims) 的 NumPy 数组。

返回：

大批: 输出值作为长度output_dims或形状 (N x output_dims) 的 NumPy 数组，具体取决于输入。

类 matplotlib.scale。LogisticTransform ( nonpositive = 'mask' ) [来源] #

基地：Transform

参数：

速记名 str: 表示转换的“名称”的字符串。str(transform)除了提高DEBUG=True 时的可读性之外，该名称没有任何意义。

has_inverse = True #: 如果此变换具有相应的逆变换，则为真。

input_dims = 1 #: 此变换的输入维数。必须在子类中被覆盖（使用整数）。

倒置( ) [来源] #

返回对应的逆变换。

它成立。x == self.inverted().transform(self.transform(x))

此方法的返回值应被视为临时的。对self的更新不会导致对其反向副本的相应更新。

is_separable = True #: 如果此变换在 x 和 y 维度上是可分离的，则为真。

output_dims = 1 #: 此变换的输出维数。必须在子类中被覆盖（使用整数）。

transform_non_affine ( a ) [来源] #: 逻辑变换（以 10 为基数）

类 matplotlib.scale。LogitScale (轴, nonpositive = 'mask' , * , one_half = '\\frac{1}{2}' , use_overline = False ) [来源] #

基地：ScaleBase

0 到 1 之间数据的 Logit 标度，均不包括在内。

该比例类似于接近零和接近一的对数比例，并且在 0.5 附近几乎是线性的。它将区间 ]0, 1[ 映射到 ]-infty, +infty[。

参数：

轴matplotlib.axis.Axis: 目前未使用。
非正{'掩码'，'剪辑'}: 确定超出开区间]0、1[ 的值的行为。它们可以被屏蔽为无效，或者被剪裁为非常接近 0 或 1 的数字。
use_overline布尔值，默认值：False: 指出使用生存符号 (overline{x}) 代替标准符号 (1-x) 来表示概率接近一。
one_half str，默认值：r"frac{1}{2}": 用于刻度格式化程序的字符串表示 1/2。

get_transform ( ) [来源] #: 返回LogitTransform与此比例相关的。

limit_range_for_scale ( vmin , vmax , minpos ) [来源] #: 将域限制为 0 到 1 之间的值（排除）。

名称= 'logit' #

set_default_locators_and_formatters (轴) [来源] #: 将轴的定位器和格式化程序设置为适合此比例的实例。

类 matplotlib.scale。LogitTransform ( nonpositive = 'mask' ) [source] #

基地：Transform

参数：

速记名 str: 表示转换的“名称”的字符串。str(transform)除了提高DEBUG=True 时的可读性之外，该名称没有任何意义。

has_inverse = True #: 如果此变换具有相应的逆变换，则为真。

input_dims = 1 #: 此变换的输入维数。必须在子类中被覆盖（使用整数）。

倒置( ) [来源] #

返回对应的逆变换。

它成立。x == self.inverted().transform(self.transform(x))

此方法的返回值应被视为临时的。对self的更新不会导致对其反向副本的相应更新。

is_separable = True #: 如果此变换在 x 和 y 维度上是可分离的，则为真。

output_dims = 1 #: 此变换的输出维数。必须在子类中被覆盖（使用整数）。

transform_non_affine ( a ) [来源] #: logit 变换（以 10 为底），屏蔽或裁剪

类 matplotlib.scale。ScaleBase (轴) [来源] #

基地：object

所有尺度的基类。

尺度是可分离的变换，作用于单一维度。

子类应该覆盖

name: 秤的名称。
get_transform(): 返回 a 的方法Transform，它将数据坐标转换为缩放坐标。这种转换应该是可逆的，以便例如鼠标位置可以转换回数据坐标。
set_default_locators_and_formatters(): 一种为Axis 使用此比例的对象设置默认定位器和格式化程序的方法。
limit_range_for_scale(): 一种将轴范围“固定”为可接受值的可选方法，例如将对数刻度轴限制为正值。

构建一个新的尺度。

笔记

以下说明适用于规模实施者。

出于向后兼容的原因，尺度将Axis 对象作为第一个参数。但是，不应该使用这个参数：单个比例对象应该可以同时被多个 Axises 使用。

get_transform ( ) [来源] #: 返回Transform与此比例关联的对象。

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

返回范围vmin，vmax，限制在此比例支持的域（如果有）。

minpos应该是数据中的最小正值。对数刻度使用它来确定最小值。

set_default_locators_and_formatters (轴) [来源] #: 将轴的定位器和格式化程序设置为适合此比例的实例。

类 matplotlib.scale。SymmetricalLogScale (轴, * , base = 10 , linthresh = 2 , subs = None , linscale = 1 ) [来源] #

基地：ScaleBase

对称的对数刻度在从原点的正负两个方向上都是对数的。

由于接近零的值趋于无穷大，因此需要在零附近有一个线性范围。参数 linthresh允许用户指定此范围的大小（- linthresh，linthresh）。

参数：

基本浮点数，默认值：10: 对数的底。
linthresh浮点数，默认值：2: 定义范围，在该范围内绘图是线性的。这避免了情节在零附近趋于无穷大。(-x, x)
int的子序列: 在每个主要刻度之间放置子刻度的位置。例如，在 log10 刻度中：将在每个主要刻度之间放置 8 个对数间隔的次要刻度。[2, 3, 4, 5, 6, 7, 8, 9]
linscale浮点数，可选: 这允许相对于对数范围扩展线性范围。它的值是用于线性范围的每一半的十进制数。例如，当 linscale == 1.0（默认值）时，用于线性范围的正负半部分的空间将等于对数范围中的十进制。(-linthresh, linthresh)

构建一个新的尺度。

笔记

以下说明适用于规模实施者。

出于向后兼容的原因，尺度将Axis 对象作为第一个参数。但是，不应该使用这个参数：单个比例对象应该可以同时被多个 Axises 使用。

属性基础#

get_transform ( ) [来源] #: 返回SymmetricalLogTransform与此比例相关的。

属性 linscale #

属性 linthresh #

名称= '符号日志' #

set_default_locators_and_formatters (轴) [来源] #: 将轴的定位器和格式化程序设置为适合此比例的实例。

类 matplotlib.scale。SymmetricalLogTransform ( base , linthresh , linscale ) [来源] #

基地：Transform

参数：

速记名 str: 表示转换的“名称”的字符串。str(transform)除了提高DEBUG=True 时的可读性之外，该名称没有任何意义。

has_inverse = True #: 如果此变换具有相应的逆变换，则为真。

input_dims = 1 #: 此变换的输入维数。必须在子类中被覆盖（使用整数）。

倒置( ) [来源] #

返回对应的逆变换。

它成立。x == self.inverted().transform(self.transform(x))

此方法的返回值应被视为临时的。对self的更新不会导致对其反向副本的相应更新。

is_separable = True #: 如果此变换在 x 和 y 维度上是可分离的，则为真。

output_dims = 1 #: 此变换的输出维数。必须在子类中被覆盖（使用整数）。

transform_non_affine ( a ) [来源] #

仅应用此转换的非仿射部分。

transform(values)总是等价于 transform_affine(transform_non_affine(values))。

在非仿射变换中，这通常等价于 transform(values)。在仿射变换中，这始终是空操作。

参数：

值数组: 输入值作为长度input_dims或形状 (N x input_dims) 的 NumPy 数组。

返回：

大批: The output values as NumPy array of length output_dims or shape (N x output_dims), depending on the input.

matplotlib.scale.get_scale_names()[source]#: Return the names of the available scales.

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

Parameters:

scale_classsubclass of ScaleBase: The scale to register.

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

Return a scale class by name.

Parameters:

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

matplotlib.scale#

`matplotlib.scale`#