如何使用 Matplotlib 等绘图工具根据数据绘制不同大小和方向的多个三角形

Question

我想绘制如下图所示的图形。它的 x 轴是数据点的顺序，例如从 1 到 7。y 轴是从 0 到 25 的刻度。例如，如果我想用它的数据 (1,22,20) 绘制一个三角形，那么 '1' 给出了所有数据点之间的顺序（不同的三角形），三角形应该画在最左边； “22,20”给出三角形沿 y 轴的“底端”。

有谁知道如何使用 matplotlib python 包在图中绘制具有多个数字的三角形？

Answer 1

阅读 this post 和 this post 了解使用 matplotlib 绘制多边形。

EDIT1： 刚刚看到@Poolka 的回答。这也是我要走的路，但请注意，在上述链接之一中，指出向图中添加单个多边形 (p = pat.Polygon([[x1, y1], [x2, y2], [x3, y3]); ax.add_patch(p)) 可能会变得非常慢，因此首选集合。

编辑 2： 另请参阅 TheImportanceOfBeingErnest 的回答，了解此概念的更详细版本。 连同这段 sn-p 代码，它应该可以帮助您：

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import matplotlib.patches as pat  # Patches like pat.Polygon()
from matplotlib.collections import PolyCollection  # Collections of patches

test = ((1, 22, 20),
        (2, 21, 19.5),
        (3, 18, 20))  # Test data

triangles = []
fig, ax = plt.subplots(1, 1)

for t in test:
    xmid = t[0]  # Middle x-coord
    xleft = t[0] - 0.5
    xright = t[0] + 0.5  # Use fixed width of 0.5

    y1 = t[1]  # y-coords
    y2 = t[2]

    coordinates = [[xleft, y1], [xright, y1], [xmid, y2]]

    print(coordinates) 
    triangles.append(coordinates)  # Append to collection

z = np.random.random(len(triangles))
collec = PolyCollection(triangles, array=z, cmap=matplotlib.cm.viridis)

ax.add_collection(collec)  # Plot polygon collection
ax.autoscale_view()
plt.show()

Answer 2

考虑以下简单示例：

import matplotlib.pyplot as plt

# data
data = [[1, 22, 20], [3, 20, 25]]

plt.figure()
for val in data:
    # coordinates
    dy = val[1] - val[2]
    dx = abs(dy) / 2
    x0 = val[0]
    y0 = val[1]
    # drawing
    triangle = plt.Polygon([[x0, y0], [x0 - dx, y0 + dy], [x0 + dx, y0 + dy]])
    plt.gca().add_patch(triangle)

# misc
plt.grid()
plt.axis('square')
# these 2 lines are needed because patches in matplotlib do not adjust axes limits automatically, another approach is to add some data to the figure with plot, scatter, etc.
plt.xlim([-20, 20])
plt.ylim([0, 40])

结果是：

Answer 3

在这种情况下，使用PolyCollection（如@cripcate's answer 所示）是有利的。使用单个 numpy 数组的更精简的版本可能如下所示：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import PolyCollection

def triangle_collection(d, ax=None, width=0.4, **kwargs):
    ax = ax or plt.gca()
    verts = np.c_[d[:,0]-width/2, d[:,1], d[:,0]+width/2, 
                  d[:,1], d[:,0], d[:,2]].reshape(len(d),3,2)
    c = PolyCollection(verts, **kwargs)
    ax.add_collection(c)
    ax.autoscale()
    return c


data = np.array([(1,22,20), (2,21,19.5), (3,18,20),
                 (4,17,19), (5,15,17), (6,11,8.5), (7,14,12)])

fig, ax = plt.subplots()
fig.subplots_adjust(left=0.3, right=0.7)

triangle_collection(data, facecolors=plt.cm.tab10(np.arange(len(data))))

plt.show()