Python Matplotlib等高线图中的非线性缩放

Question

我在查看轮廓图中的某个数据集时遇到了一些麻烦。问题是我有一堆数据点（X，Y，Z），Z值的范围从大约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，很难看到它们，如下图所示：

现在，我已经考虑过要做什么了。当然有对数缩放，但是我首先需要考虑某种映射，我不是百分之百确定如何做到这一点。受this question的启发，可以想到scaling(x) = Log(x/min)/Log(max/min)类型的映射，该问题在该问题中运作得相当好。

同样有趣的是后续discussed here。

他们使用了某种ArcSinh缩放功能。这似乎可以很好地扩大小功能，与整体成比例。

所以我的问题是我认为的两倍。

1. 如何缩放轮廓图中的数据，使小幅度特征不被异常值吹走？

2. 您是使用上述任何一种方法，还是使用完全不同的方法？

我对python很陌生，我对所有已经存在的东西都感到惊讶，所以我确信可能有一种比我上面提到的更好的内置方式。

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，可以分享这些内容）

我用

绘制了上面的内容

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

很棒的问题。

不要缩放数据。您将在具有许多缩放功能的范围内寻找妥协。

相反，请使用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您想要突出显示的区域的可视化。 Another example可以在scipy cookbook中找到，在互联网上可以找到更多。

Answer 2

另一个选择是通过打破轴like so

将绘图分成两个独立的区域