如何更优实现90-270度数据在笛卡尔平面散点图以0为中心？

先提个小问题：你原代码里的导入写错了，应该是import matplotlib.pyplot as plt，不是import matplotlib as plt，不然运行会报错。

下面是几个更简洁、可维护性更高的优化方向：

1. 简化角度转换逻辑 #

你当前的角度转换公式可以改成更直观的写法，效果完全一致，但可读性更强：

ang = np.array([0, 90, 270])
radi = [1, 2, 3]

# 把0-360度映射到-180-180度区间
ang_converted = np.mod(ang - 180, 360) - 180

这个公式的逻辑是：先把所有角度偏移180度，取模360后再偏移回-180度基准，比你原来的嵌套运算更易懂。

2. 自动生成轴标签，不用手动写死 #

不需要手动创建labels列表，直接根据转换后的x轴位置映射回原始角度就行，数据变了也不用改标签代码：

fig, ax = plt.subplots()
ax.scatter(ang_converted, radi)

# 按转换后的角度排序，匹配原始角度作为刻度标签
sorted_indices = np.argsort(ang_converted)
ax.set_xticks(ang_converted[sorted_indices])
ax.set_xticklabels(ang[sorted_indices], rotation='vertical')

3. 可选：固定x轴范围，强化0为中心的视觉效果 #

如果想让图表更明显地以0为中心，可以手动设置x轴的上下限：

ax.set_xlim(-180, 180)

这样x轴的中点正好是0，视觉上完全符合你的需求。

完整优化后的代码 #

import numpy as np
import matplotlib.pyplot as plt

ang = np.array([0, 90, 270])
radi = [1, 2, 3]

# 角度转换为-180~180区间
ang_converted = np.mod(ang - 180, 360) - 180

fig, ax = plt.subplots()
ax.scatter(ang_converted, radi)

# 自动匹配刻度与原始角度标签
sorted_idx = np.argsort(ang_converted)
ax.set_xticks(ang_converted[sorted_idx])
ax.set_xticklabels(ang[sorted_idx], rotation='vertical')

# 可选：固定x轴范围，强化中心视觉
ax.set_xlim(-180, 180)

plt.show()

内容的提问来源于stack exchange，提问作者vicemagui