我在可视化等高线图中的某个数据集时遇到了一些麻烦.问题是我有很多数据点(X,Y,Z),它们的Z值范围从2到0,其中许多有趣的功能位于0到0.3的范围内.使用正常缩放,很难看到它们,如下图所示：

现在,我已经考虑了要做什么.当然,有对数缩放,但是我首先需要考虑某种映射,而且我不确定100％如何做到这一点.受到this question的启发,可以想到一个比例缩放(x)= Log(x / min)/ Log(max / min)类型的映射,该映射在该问题中相当有效.

后续行动discussed here也很有趣.

他们使用了某种ArcSinh缩放功能.这似乎很好地放大了小功能,与整个比例成比例.

所以我的问题是我想的两倍.

>如何缩放等高线图中的数据,以使小幅度特征不会被异常值吹走？
>您会使用上述两种方法还是完全不同的方法来进行？

我对python还是很陌生,并且对那里已经存在的所有事物感到惊讶,因此我确信可能会有一种比我上面提到的更好的内置方式.

为了完整起见,我上载了datafile here(上载网站为robustfiles.com,一个快速的Google搜索告诉我这是一个可共享这些内容的值得信赖的网站)

我用

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.)')

解决方法:

很好的问题.

不要缩放数据.您将在具有许多缩放功能的范围内寻找折衷方案.

而是使用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.可以在scipy食谱中找到Another example,互联网上还有很多其他内容.