如何在Python/Numpy中旋转一维线性图数组？

Question

我想将一条折线图水平旋转。目前，我已经有了目标角度，但是我无法旋转图形数组（在图表中的蓝色图形）。

import matplotlib.pyplot as plt
import numpy as np

x = [5, 6.5, 7, 8, 6, 5, 3, 4, 3, 0]
y = range(len(x))
best_fit_line = np.poly1d(np.polyfit(y, x, 1))(y)

angle = np.rad2deg(np.arctan2(y[-1] - y[0], best_fit_line[-1] - best_fit_line[0]))
print("angle: " + str(angle))

plt.figure(figsize=(8, 6))
plt.plot(x)
plt.plot(best_fit_line, "--", color="r")
plt.show()

数组的目标计算应该像这样（请忽略红线）：

如果您有建议，请告诉我。谢谢。

- g.breeze

Answer 1

这个问题非常有帮助，特别是@Mr Tsjolder的回答。根据您的问题进行适应，您需要从计算出的角度中减去90才能获得想要的结果：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import transforms

x = [5, 6.5, 7, 8, 6, 5, 3, 4, 3, 0]
y = range(len(x))
best_fit_line = np.poly1d(np.polyfit(y, x, 1))(y)

angle = np.rad2deg(np.arctan2(y[-1] - y[0], best_fit_line[-1] - best_fit_line[0]))
print("angle: " + str(angle))

plt.figure(figsize=(8, 6))

base = plt.gca().transData
rotation = transforms.Affine2D().rotate_deg(angle - 90)

plt.plot(x, transform = rotation + base)
plt.plot(best_fit_line, "--", color="r", transform = rotation + base)

---

后续问题：如果我们只需要旋转后点的数值呢？

这时候，使用matplotlib的方法仍然很有用。根据我们前面介绍的rotation对象，matplotlib可以提取变换矩阵，我们可以用它来转换任何点：

# extract transformation matrix from the rotation object
M = transforms.Affine2DBase.get_matrix(rotation)[:2, :2]

# example: transform the first point
print((M * [0, 5])[:, 1])

[-2.60096617 4.27024297]

对所需的维度进行了切片，因为旋转只发生在二维平面上。您可以看到，原始数据中的第一个点被转换为(-2.6,4.3),与我上面旋转图形的绘制结果一致。

通过这种方式，您可以旋转任何感兴趣的点，或编写循环以捕获它们全部。

- Arne

---

你好Arne，谢谢 - 看起来不错，但我正在寻找一种直接转换数组以进行未来计算的方法。不幸的是，matplotlib的功能在这里对我没有帮助:( - g.breeze

啊，不过Matplotlib仍然可以帮助你。我已经在上面的答案中添加了一些内容。 - Arne

Answer 2

如果您想使用matplotlib旋转图形，那么Arne的答案非常完美。如果不想，您可以查看以下代码：

import matplotlib.pyplot as plt
import numpy as np


def rotate_vector(data, angle):
    # source: 
    # https://datascience.stackexchange.com/questions/57226/how-to-rotate-the-plot-and-find-minimum-point    
    # make rotation matrix
    theta = np.radians(angle)
    co = np.cos(theta)
    si = np.sin(theta)
    rotation_matrix = np.array(((co, -si), (si, co)))
    # rotate data vector
    rotated_vector = data.dot(rotation_matrix)
    return rotated_vector


x = [5, 6.5, 7, 8, 6, 5, 3, 4, 3, 0]
y = range(len(x))
best_fit_line = np.poly1d(np.polyfit(y, x, 1))(y)

angle = np.rad2deg(np.arctan2(y[-1] - y[0], best_fit_line[-1] - best_fit_line[0]))
print("angle:", angle)

# rotate blue line
d = np.hstack((np.vstack(y), np.vstack(x)))
xr = rotate_vector(d, -(angle - 90))

# rotate red line
dd = np.hstack((np.vstack(y), np.vstack(best_fit_line)))
xxr = rotate_vector(dd, -(angle - 90))

plt.figure(figsize=(8, 6))
plt.plot(xr[:, 1]) # or plt.plot(xr[:, 0], xr[:, 1])
plt.plot(xxr[:, 1], "--", color="r")
plt.show()

- g.breeze