如何向量化Matplotlib代码：从原点批量绘制至多点的直线

完全不需要用for循环，结合NumPy和Matplotlib的向量化能力就能一次性画出所有从原点到目标点的直线，代码更简洁还能提升效率（尤其是点集很大的时候）。

核心思路 #

Matplotlib的plt.plot()函数支持直接传入二维数组：当你传入二维的x和y坐标数组时，它会自动把每一列当作一条独立的直线来绘制。我们只需要构造出这样的二维数组——每一列对应一条线的两个x坐标（0和点的x值）、两个y坐标（0和点的y值）即可。

完整实现代码 #

import matplotlib.pyplot as plt
import numpy as np

# 把原始点集转换成NumPy数组（方便向量化操作）
pts = np.array([[1, 3], [4, 8], [-2, 4], [-3, -5], [4, 2]])

# 构造x坐标数组：2行n列，第一行全为0（原点x），第二行是所有点的x值
x_coords = np.row_stack((np.zeros(len(pts)), pts[:, 0]))
# 构造y坐标数组：逻辑和x一致
y_coords = np.row_stack((np.zeros(len(pts)), pts[:, 1]))

# 一次性绘制所有直线
plt.plot(x_coords, y_coords)
plt.show()

更简洁的写法（利用广播特性） #

如果想让代码更紧凑，可以用NumPy的广播来简化数组构造：

import matplotlib.pyplot as plt
import numpy as np

pts = np.array([[1, 3], [4, 8], [-2, 4], [-3, -5], [4, 2]])

# 一行代码完成数组构造与绘制
plt.plot(np.vstack([np.zeros(pts.shape[0]), pts[:,0]]), 
         np.vstack([np.zeros(pts.shape[0]), pts[:,1]]))
plt.show()

为什么这比for循环更好？ #

• 效率更高：NumPy的数组操作是底层C实现的，避免了Python层面的循环开销，当点集规模很大时（比如上万甚至上百万个点），速度提升会非常明显。
• 代码更简洁：把循环逻辑转换成数组操作，可读性更强，也更容易维护。

内容的提问来源于stack exchange，提问作者rnso