如何用Python选取石墨烯六角布里渊区k点周围的三角扇区？

看起来你已经找对了三角形内随机点采样的核心方法，我来帮你把这个实现补全，顺便补充一些适配石墨烯布里渊区场景的细节～

你的trisample函数用的是均匀采样三角形内部点的经典算法，通过对随机数做平方根变换，避免了简单线性组合带来的采样点偏向顶点的问题，非常适合布里渊区k点的采样需求。下面是完整的可运行代码：

import random
import numpy as np

def trisample(A, B, C):
    # 生成两个0-1区间的随机数
    r1 = random.random()
    r2 = random.random()
    # 平方根变换保证采样点在三角形内均匀分布
    s1 = np.sqrt(r1)
    x = A[0] * (1.0 - s1) + B[0] * (1.0 - r2) * s1 + C[0] * r2 * s1
    y = A[1] * (1.0 - s1) + B[1] * (1.0 - r2) * s1 + C[1] * r2 * s1
    return (x, y)

# 设置随机种子，确保采样结果可复现
random.seed(5)

# 定义三角区域的三个顶点（这里可以替换为你实际需要的布里渊区k点坐标）
# 示例坐标：你提供的初始值，实际使用时可换成围绕K/K'等高对称点的三角区域
A = (0.2, 0.1)
B = (0.5, 0.1)
C = (0.5, 0.0)

# 生成指定数量的采样k点
num_points = 1000
points = [trisample(A, B, C) for _ in range(num_points)]

# 可选：转换为numpy数组，方便后续能带计算等处理
points_np = np.array(points)

额外适配建议 #

• 布里渊区坐标转换：如果你的k点是基于石墨烯倒格矢定义的，比如标准倒格矢$b_1 = \frac{4\pi}{3a}(1, 0)$、$b_2 = \frac{4\pi}{3a}(\frac{1}{2}, \frac{\sqrt{3}}{2})$，直接把A/B/C替换为倒空间中目标三角区域的顶点坐标即可，比如围绕K点的小三角区域。
• 采样结果验证：可以用matplotlib可视化采样点，确认是否均匀分布在三角区域内：

import matplotlib.pyplot as plt

# 绘制三角顶点（红色标记）
plt.scatter(*zip(A, B, C), c='crimson', s=60, label='Triangle Vertices')
# 绘制采样的k点（半透明蓝色）
plt.scatter(points_np[:,0], points_np[:,1], c='deepskyblue', s=8, alpha=0.6, label='Sampled k-points')
plt.legend()
plt.xlabel('$k_x$')
plt.ylabel('$k_y$')
plt.title('Random k-points in Graphene Brillouin Zone Triangle')
plt.show()

内容的提问来源于stack exchange，提问作者Vaswati Biswas