离散色图边界开闭规则及BoundaryNorm下0归属区间查询

一、验证0属于哪个区间 #

有两种直接的验证方式：

• 用BoundaryNorm实例直接测试
  创建好归一化规则后，直接将0传入norm对象，返回的整数索引对应它所属的区间。例如：

  import numpy as np
  import matplotlib.colors as mcolors
  
  # 示例：用linspace生成包含0的3个边界刻度
  boundaries = np.linspace(-10, 10, 3)
  # 创建BoundaryNorm实例（区间数=边界数-1）
  norm = mcolors.BoundaryNorm(boundaries, len(boundaries)-1)
  
  # 测试0的归属
  idx = norm(0)
  print(f"0对应的区间索引：{idx}")
  # 根据BoundaryNorm的左闭右开规则（最后一个区间右闭）输出对应区间
  if idx < len(boundaries)-1:
      print(f"所属区间：[{boundaries[idx]}, {boundaries[idx+1]})")
  else:
      print(f"所属区间：[{boundaries[idx-1]}, {boundaries[idx]}]")
  

  Matplotlib的BoundaryNorm默认采用左闭右开的区间规则：除最后一个区间是[boundaries[-2], boundaries[-1]]（右闭），其余均为[boundaries[i], boundaries[i+1])。通过索引可直接定位0的所属区间。

• 测试边界附近的微小值
  考虑浮点数精度问题，可测试接近0的正负微小值（如1e-16、-1e-16），对比它们的分类结果，确认边界处的实际行为。比如若norm(-1e-16)与norm(0)返回不同索引，说明0属于右侧区间；若索引相同，则属于左侧区间。

二、查询边界阈值 #

• 直接查看linspace生成的数组
  你用linspace生成的边界数组可直接打印，查看所有阈值的精确存储值（包括浮点数的微小误差）：

  print(boundaries)
  

• 从BoundaryNorm实例中获取
  已创建的BoundaryNorm对象自带boundaries属性，直接调用即可获取完整的边界数组：

  print(norm.boundaries)
  

三、浮点数精度问题的处理 #

如果linspace生成的边界理论上包含0，但实际存储为接近0的浮点数（如1e-16），会导致0的归属判断偏差：

1. 先打印边界数组，确认0是否精确存在；
2. 若需严格以0为边界，手动调整边界数组，将对应位置设置为精确的0.0；
3. 若数据集允许，可对0值做微小偏移（如0 + 1e-18），确保它落入预期区间（需结合业务需求判断可行性）。

内容的提问来源于stack exchange，提问作者thefrollickingnerd