Clase Matplotlib.colors.PowerNorm en Python

Matplotlib es una increíble biblioteca de visualización en Python para gráficos 2D de arrays. Matplotlib es una biblioteca de visualización de datos multiplataforma basada en arrays NumPy y diseñada para funcionar con la pila SciPy más amplia.
 

matplotlib.colors.PowerNor

La clase matplotlib.colors.PowerNorm pertenece al módulo matplotlib.colors . El módulo matplotlib.colors se usa para convertir argumentos de color o números a RGBA o RGB. Este módulo se usa para asignar números a colores o conversión de especificación de color en una array de colores 1-D también conocida como mapa de colores.
La clase matplotlib.colors.PowerNorm se usa para asignar valores linealmente al rango de y luego aplicar una normalización de ley de potencia sobre el rango. Su clase base es matplotlib.colors.Normalize.
Métodos de la clase: 
 

• inverse(self, value): este método devuelve el valor invertido del mapa de colores. 
   

Ejemplo 1: 
 

import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import numpy as np
from numpy.random import multivariate_normal
 
# data for reproducibility
data = np.vstack([
    multivariate_normal([10, 10],
                        [[3, 2],
                         [2, 3]],
                        size = 100000),
     
    multivariate_normal([30, 20],
                        [[2, 3],
                         [1, 3]],
                        size = 1000)
])
 
gammas_array = [0.9, 0.6, 0.4]
 
figure, axs = plt.subplots(nrows = 2,
                           ncols = 2)
 
axs[0, 0].set_title('Linear normalization')
axs[0, 0].hist2d(data[:, 0],
                 data[:, 1],
                 bins = 100)
 
for ax, gamma in zip(axs.flat[1:],
                     gammas_array):
     
    ax.set_title(r'Power law $(\gamma =% 1.1f)$' % gamma)
    ax.hist2d(data[:, 0],
              data[:, 1],
              bins = 100,
              norm = mcolors.PowerNorm(gamma))
 
figure.tight_layout()
 
plt.show()

Producción: 
 

Ejemplo 2: 
 

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors as colors
 
max_N = 100
A, B = np.mgrid[-3:3:complex(0, max_N),
                -2:2:complex(0, max_N)]
 
 
# PowerNorm: using power-law
# trend in X
A, B = np.mgrid[0:3:complex(0, max_N),
                0:2:complex(0, max_N)]
 
X1 = (1 + np.sin(B * 10.)) * A**(2.)
 
figure, axes = plt.subplots(2, 1)
 
pcm = axes[0].pcolormesh(A, B, X1,
                         norm = colors.PowerNorm(gamma = 1./2.),
                         cmap ='PuBu_r')
 
figure.colorbar(pcm, ax = axes[0],
                extend ='max')
 
pcm = axes[1].pcolormesh(A, B, X1,
                         cmap ='PuBu_r')
 
figure.colorbar(pcm, ax = axes[1],
                extend ='max')
 
plt.show()

Producción: