Clase Matplotlib.colors.LogNorm 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.colores.LogNorm()

La clase matplotlib.colors.LogNorm() 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.LogNorm se usa para normalizar un valor al rango de 0-1 en una escala logarítmica. Si no se establece vmax o vmin, se inicializan a partir del valor máximo y mínimo de la primera entrada procesada, respectivamente. Esto significa __call__(A)llamadas autoscale_None(A). Si el clip se establece en True y el valor dado cae fuera del rango, el valor devuelto es 0 o 1, el que sea más cercano. Si vmin==vmax, devuelve 0. Funciona con arrays o escalares que también incluyen arrays enmascaradas. Si el clip se establece en True, los valores enmascarados se establecen en otro lugar, permanecen enmascarados. El valor predeterminado del clip se establece en Falso.

Métodos de la clase:

1. autoscale(self, A): Se utiliza para establecer el vmax, vmin al máximo y mínimo de A respectivamente.
2. autoscale_None(self, A): se usa para escalar automáticamente solo el vmin o vmax sin valor.
3. inverse(self, value) : Devuelve el valor invertido del mapa de colores.

Ejemplo 1:

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import colors
from matplotlib.ticker import PercentFormatter
  
# Setting random state for 
# reproducibility
np.random.seed(19680801)
  
max_points = 100000
all_bins = 20
  
# Generate a normal distribution, 
# center at x = 0 and y = 5
a = np.random.randn(max_points)
b = .4 * a + np.random.randn(100000) + 5
  
figure, axes = plt.subplots(3, 1,
                            figsize =(5, 15),
                            sharex = True, 
                            sharey = True,
                            tight_layout = True)
  
# Incrementing the number of 
# bins on each axis
axes[0].hist2d(a, b, bins = 40)
  
# Defining normalization of 
# the colors
axes[1].hist2d(a, b, bins = 40,
               norm = colors.LogNorm())
  
# defining custom numbers of bins 
# for each axis
axes[2].hist2d(a, b, bins =(80, 10),
               norm = colors.LogNorm())
  
plt.show()

Producción:

Ejemplo 2:

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LogNorm
  
  
N = 100
A, B = np.mgrid[-3:3:complex(0, N),
                -2:2:complex(0, N)]
  
X1 = np.exp(-(A)**2 - (B)**2)
X2 = np.exp(-(A * 10)**2 - (B * 10)**2)
X = X1 + 50 * X2
  
figure, (axes0, axes1) = plt.subplots(2, 1)
  
P = axes0.pcolor(A, B, X,
               norm = LogNorm(vmin = X.min(),
                              vmax = X.max()),
                 cmap ='PuBu_r')
  
figure.colorbar(P, ax = axes0)
  
P = axes1.pcolor(A, B, X,
                 cmap ='PuBu_r')
  
figure.colorbar(P, ax = axes1)
  
plt.show()

Producción: