Define additional color tables.

Modules
		matplotlib.cbook matplotlib.cm numpy.ma numpy

Classes
		matplotlib.colors.Colormap ColormapAlpha SegmentedColormap   class ColormapAlpha(matplotlib.colors.Colormap)       Methods defined here: __call__(self, X, alpha=1, bytes=None) X is either a scalar or an array (of any dimension). If scalar, a tuple of rgba values is returned, otherwise an array with the new shape = oldshape+(4,). If the X-values are integers, then they are used as indices into the array. If they are floating point, then they must be in the interval (0.0, 1.0).   *alpha* must be a scalar.   *bytes* not used yet. Methods inherited from matplotlib.colors.Colormap: __init__(self, name, N=256) Public class attributes: self.N:       number of rgb quantization levels self.name:    name of colormap is_gray(self) set_bad(self, color='k', alpha=1.0) Set color to be used for masked values. set_over(self, color='k', alpha=1.0) Set color to be used for high out-of-range values. Requires norm.clip = False set_under(self, color='k', alpha=1.0) Set color to be used for low out-of-range values. Requires norm.clip = False   class SegmentedColormap(ColormapAlpha)     Colormap objects based on lookup tables using generic segments.   The lookup transfer function is a simple linear function between defined intensities. There is no limit to the number of segments that may be defined. Though as the segment intervals start containing fewer and fewer array locations, there will be inevitable quantization errors.   This customized version allows one to define the alpha channel as well.     Method resolution order: SegmentedColormap ColormapAlpha matplotlib.colors.Colormap Methods defined here: __init__(self, name, segmentdata, N=256, scale=None, reverse=False) Create color map from linear mapping segments segmentdata argument is a dictionary with a red, green and blue entries. Each entry should be a list of x, y0, y1 tuples. See makeMappingArray for details. Optionally, the x coordinate in [0,1] is mapped thru scale(x). Methods inherited from ColormapAlpha: __call__(self, X, alpha=1, bytes=None) X is either a scalar or an array (of any dimension). If scalar, a tuple of rgba values is returned, otherwise an array with the new shape = oldshape+(4,). If the X-values are integers, then they are used as indices into the array. If they are floating point, then they must be in the interval (0.0, 1.0).   *alpha* must be a scalar.   *bytes* not used yet. Methods inherited from matplotlib.colors.Colormap: is_gray(self) set_bad(self, color='k', alpha=1.0) Set color to be used for masked values. set_over(self, color='k', alpha=1.0) Set color to be used for high out-of-range values. Requires norm.clip = False set_under(self, color='k', alpha=1.0) Set color to be used for low out-of-range values. Requires norm.clip = False

Functions
		arange(...) arange([start,] stop[, step,], dtype=None)   For integer arguments, just like range() except it returns an array whose type can be specified by the keyword argument dtype.  If dtype is not specified, the type of the result is deduced from the type of the arguments.   For floating point arguments, the length of the result is ceil((stop - start)/step).  This rule may result in the last element of the result being greater than stop. log_scale lambda x # Define direct, reversed and scaled color tables nexp(x, a) nlog(x, a)

Data
		LUTSIZE = 256 StringTypes = (<type 'str'>, <type 'unicode'>) __version__ = '1.0.6' alphad = ((0.0, 0.0, 0.0), (0.01, 0.0, 0.0), (0.5, 1.0, 1.0), (1.0, 1.0, 1.0)) data = {'alpha': ((0.0, 0.0, 0.0), (0.01, 0.0, 0.0), (0.5, 1.0, 1.0), (1.0, 1.0, 1.0)), 'cmap': <matplotlib.colors.LinearSegmentedColormap instance at 0x160e260>} datad = {'dust': {'alpha': ((0.0, 0.0, 0.0), (0.01, 0.0, 0.0), (0.5, 1.0, 1.0), (1.0, 1.0, 1.0)), 'blue': ((0.0, 0.0, 0.0), (0.80000000000000004, 0.0, 0.0), (1.0, 1.0, 1.0)), 'green': ((0.0, 0.0, 0.0), (0.10000000000000001, 0.0, 0.0), (1.0, 1.0, 1.0)), 'red': ((0.0, 0.0, 0.0), (0.01, 0.0, 0.0), (0.10000000000000001, 1.0, 1.0), (1.0, 1.0, 1.0))}, 'hot': {'alpha': ((0.0, 0.0, 0.0), (0.01, 0.0, 0.0), (0.5, 1.0, 1.0), (1.0, 1.0, 1.0)), 'cmap': <matplotlib.colors.LinearSegmentedColormap instance at 0x160e210>}, 'jet': {'alpha': ((0.0, 0.0, 0.0), (0.01, 0.0, 0.0), (0.5, 1.0, 1.0), (1.0, 1.0, 1.0)), 'cmap': <matplotlib.colors.LinearSegmentedColormap instance at 0x160e260>}} dust = <grads.gacm.SegmentedColormap instance at 0x187a300> dust_l = <grads.gacm.SegmentedColormap instance at 0x187a378> dust_r = <grads.gacm.SegmentedColormap instance at 0x187a350> exp = <ufunc 'exp'> hot = <grads.gacm.SegmentedColormap instance at 0x187a3a0> hot_l = <grads.gacm.SegmentedColormap instance at 0x187a3f0> hot_r = <grads.gacm.SegmentedColormap instance at 0x187a3c8> jet = <grads.gacm.SegmentedColormap instance at 0x187a418> jet_l = <grads.gacm.SegmentedColormap instance at 0x187a468> jet_r = <grads.gacm.SegmentedColormap instance at 0x187a440> log = <ufunc 'log'> log10 = <ufunc 'log10'> name = 'jet' name_l = 'jet_l' name_r = 'jet_r' rcParams = {'figure.subplot.right': 0.90000000000000002, 'm...persize': 'letter', 'svg.embed_char_paths': True}