等高线图中的 Python Matplotlib 非线性缩放

Question

我在可视化等高线图中的某个数据集时遇到了一些问题。问题是我有一堆数据点 (X,Y,Z)，其 Z 值范围从大约 2 到 0，其中许多有趣的特征位于 0 到 0.3 范围内。使用正常缩放比例，很难看到它们，如下图所示:

现在，我已经想好了还能做什么。当然有对数缩放，但我首先需要考虑某种映射，我不是 100% 确定如何做。灵感来自 this question人们可能会想到 scaling(x) = Log(x/min)/Log(max/min) 类型的映射，它在该问题中工作得相当好。

后续也很有趣 discussed here .

他们在其中使用了某种ArcSinh 缩放函数。这似乎很好地放大了小特征，与整体成比例。

所以我想我的问题有两个方面。

1. 如何缩放等值线图中的数据，使小振幅特征不会被异常值淹没？

2. 您会使用上面提到的任何一种方法，还是使用完全不同的方法？

我是 python 的新手，我总是对所有已经存在的东西感到惊讶，所以我确信可能有一种比我上面提到的任何东西都更好的内置方式。

为了完整性，我上传了 datafile here (上传网站是 robustfiles.com，快速谷歌搜索告诉我这是一个值得信赖的网站来分享这些东西)

我用

绘制了上面的图

data = np.load("D:\SavedData\ThreeQubitRess44SpecHighResNormalFreqs.npy")

fig, (ax1) = plt.subplots(1,figsize=(16,16))    
cs = ax1.contourf(X, Y, data, 210, alpha=1,cmap='jet')
fig.colorbar(cs, ax=ax1, shrink=0.9)
ax1.set_title("Freq vs B")
ax1.set_ylabel('Frequency (GHz)'); ax1.set_xlabel('B (arb.)')

Answer 1

好问题。

不要缩放数据。您将在具有许多缩放函数的范围内寻找折衷方案。

相反，使用 custom colormap .这样，您就不必重新映射实际数据，并且可以轻松自定义要突出显示的区域的可视化效果。 Another example可以在 scipy 食谱中找到，互联网上还有很多。