set_data之后在matplotlib中动态重新规范化

Question

我正在通过.imshow（）方法以2d形式交互式显示3d数据。 我让用户在查看单个2d图层和查看所有2d图层的总和之间更改模式。 这会导致显示值范围的较大变化。 因此，始终保持相同的颜色映射会导致图像变得过饱和并且无法读取。 我使用AxesImage类的.set_data（）方法来更改显示的数据，并且需要一种同时重新计算颜色映射的方法。 我最接近此目标的是此函数：

def blit_data(self, data):
    c_norm  = cs.Normalize(vmin=np.nanmin(data), vmax=np.nanmax(data))
    cmap = plt.get_cmap('viridis')
    scalar_map = cmx.ScalarMappable(norm=c_norm, cmap=cmap)
    cmapped = scalar_map.to_rgba(data)
    self.display.set_data(cmapped)

(cmx = matplotlib.cm, cs = matplotlib.colors, plt = matplotlib.pyplot)

但是，这有一个不良的副作用：将鼠标悬停在显示的图像中的像素上现在会显示[rgb]元组作为工具提示，而不是原始的float64值，这会妨碍对此数据的探究。 因此，我正在寻找另一种方法来达到相同的效果。 后续问题将是如何将此重归一化传达给颜色栏，使其保持相关性。

Answer 1

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2)

data = np.random.rand(10, 10)

im1 = ax1.imshow(data, interpolation='none', cmap='viridis')
im2 = ax2.imshow(data, interpolation='none', cmap='viridis')
im2.set_clim(0, .5)