plt.imshow (Z, norm = logNorm()) gibt grauen Entwurf, wenn Z = 0

Question

Es tut uns keine Bilder, aber dieser Code reproduziert das Problem:

x=np.random.randn(1000) 
y=np.random.randn(1000) 
h,_,_=np.histogram2d(x,y) 
plt.imshow(h, norm=LogNorm(), cmap=plt.cm.Greys) 

würde ich einen glatten, weißen Übergang erwartet von sehr kleine Werte auf 0 Werte, aber es scheint eine unscharfe Grenze zu geben, die ich gerne loswerden möchte. Gibt es eine Möglichkeit, dies zu tun?

Answer 1

Dies ist zu erwarten, da Werte kleiner oder gleich Null maskiert werden und dann positive Werte normalisiert werden. Das könnte bedeuten, dass LogNorm nicht die beste Option für Sie ist, aber wenn Sie darauf bestehen, es zu verwenden, können Sie versuchen, den minimalen positiven Wert zum Histogramm hinzuzufügen. In Ihrem Fall wäre es 1, aber machen wir es allgemeiner für, sagen wir, normierte Histogramme.

import numpy as np 
import matplotlib.pyplot as plt 
from matplotlib.colors import LogNorm 

x = np.random.randn(1000) 
y = np.random.randn(1000) 
h, _, _ = np.histogram2d(x, y) 
im = plt.imshow(h, norm=LogNorm(), cmap=plt.cm.Greys, 
       interpolation='bilinear') 
plt.colorbar(im) 

im = plt.imshow(h + np.min(h[h > 0]), norm=LogNorm(), cmap=plt.cm.Greys, 
       interpolation='bilinear') 
plt.colorbar(im) 

Beachten Sie, dass diese Änderung nicht bilineare Interpolation beeinflussen, sondern könnten auch andere Interpolation Algorithmen beeinflussen. Um sicherzustellen, dass die Interpolation nicht beeinflusst wird, müssen Sie eine benutzerdefinierte Unterklasse von Normalize erstellen.

Die obigen Abbildungen wurden mit Matplotlib 2.0.0rc1, die applies color mapping after interpolation. Wenn Sie eine frühere Version verwenden, werden in der ersten Abbildung noch mehr Artefakte angezeigt.