matplotlib 在 Wedge 补丁中保留纵横比（饼图）

Question

我想在不扭曲圆形纵横比的情况下在特定位置绘制彩色饼图。我正在使用 Wedge 补丁，因为我找不到更好的解决方案。这是代码

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import patches, collections

fig, axes = plt.subplots()
for i in range(20):
    x = np.random.uniform(low=0, high=1, size=10).cumsum()
    axes.scatter(x=x, y=np.repeat(i, x.shape[0]), c='gray', s=1)

pies = []
N = 4
cmap = plt.cm.get_cmap("hsv", N + 1)
colors = list(map(cmap, range(N)))
print(colors)

for i in range(2, 2 + N):
    thetas = np.linspace(0, 360, num=i)
    assert len(thetas) - 1 <= len(colors)
    for theta1, theta2, c in zip(thetas[:-1], thetas[1:], colors):
        wedge = patches.Wedge((i, i), r=i / 10, theta1=theta1, theta2=theta2,
                              color=c)
        pies.append(wedge)

axes.add_collection(collections.PatchCollection(pies,
                                                match_original=True))
plt.show()

如何保持饼图的纵横比？设置axes.set_aspect("equal") 不是一个选项，因为当我有更多数据点时，它会完全压缩绘图。

我一直在查看 how to draw circles and preserve the aspect ratio，但这里无法采用该解决方案 - 我正在绘制楔形/饼图，而不是圆形。

我也查看了matplotlib transforms，但在那里也找不到答案。

Answer 1

我尝试了同样的事情，matplotlib 确实没有尝试让你轻松，但我找到了一个你应该能够使用的解决方案。

您需要将中心与楔形分开，并将它们作为偏移量添加到 PatchCollection 中。然后你可以对偏移量（transOffset）和形状（transform）应用不同的变换。

请注意，我已更改 r 值（半径）。该值不再位于数据坐标中，因此无论您缩放多少，它都应该始终保持相同大小，但它太小而无法在 i/10 看到。

from matplotlib import patches, collections, transforms

offsets = []
for i in range(2, 2 + N):
    thetas = np.linspace(0, 360, num=i)
    assert len(thetas) - 1 <= len(colors)
    for theta1, theta2, c in zip(thetas[:-1], thetas[1:], colors):
        wedge = patches.Wedge((0, 0), r=10, theta1=theta1, theta2=theta2,
                              color=c)
        offsets.append((i, i))
        pies.append(wedge)

coll = collections.PatchCollection(
    pies, match_original=True, offsets=offsets,
    transform=transforms.IdentityTransform(),
    transOffset=axes.transData
)

Answer 2

当我设置set_aspect('equal')时它对我来说很好：

图像变窄了，因为我认为 y 范围比 x 范围长。

如果您将 y_lim 设置在 0 和低于 y_max 的数字之间，您会看得更清楚：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import patches, collections

fig, axes = plt.subplots()
for i in range(20):
    x = np.random.uniform(low=0, high=1, size=10).cumsum()
    axes.scatter(x=x, y=np.repeat(i, x.shape[0]), c='gray', s=1)

pies = []
N = 4
cmap = plt.cm.get_cmap("hsv", N + 1)
colors = list(map(cmap, range(N)))
print(colors)

for i in range(2, 2 + N):
    thetas = np.linspace(0, 360, num=i)
    assert len(thetas) - 1 <= len(colors)
    for theta1, theta2, c in zip(thetas[:-1], thetas[1:], colors):
        wedge = patches.Wedge((i, i), r=i / 10, theta1=theta1, theta2=theta2,
                              color=c)
        pies.append(wedge)

axes.add_collection(collections.PatchCollection(pies,
                                                match_original=True))
axes.set_aspect('equal')
axes.set_ylim(0,7.5)
plt.show()