Python代码 | 三元图(三元相图/三元组成图)绘制

完整代码获取关注公众号“八宝粥的科研日记”回复“三元图”即可获得通道

三元图主要用于展示三个变量在同一整体中的相对组成关系。与普通二维散点图不同，三元图并不以横轴和纵轴分别表示两个独立变量，而是将三个变量共同压缩到一个等边三角形坐标空间中。图中每一个样品点的位置均由三个变量的相对比例共同决定。

本代码采用三元组成关系可视化方法展示不同样品在三类功能模块之间的相对分布特征。首先，将每个样品的三类观测指标进行总量归一化处理，计算其在三元体系中的相对百分比。随后，依据等边三角坐标转换关系，将三元组成数据映射至二维平面坐标中。图中三个顶点分别表示对应变量占比达到100%的理论状态，样品在三角图中的位置反映其在三类变量之间的相对组成结构。为增强结果解释性，图中进一步设置三类变量主导区，并依据样品分类信息对散点进行颜色标记。最终图件以 PNG 和 PDF 格式输出，其中 PNG 用于结果展示，PDF 用于后续矢量编辑和排版。

不同配色效果展示：

一、三角形主体区域

图中的等边三角形构成了三元组成空间。三角形的三个顶点分别代表三种极端状态。当某一样品点越靠近某一顶点时，说明该样品在对应变量上的相对权重越高；当样品点位于三角形中心附近时，则说明三个变量之间相对均衡，并不存在明显单一主导维度。

在本图中，顶部区域代表 Management 维度较强，左下方区域代表 Protection 维度较强，右下方区域代表 Restoration 维度较强。样品点在三角形内部的位置，反映的是 Protection、Management 和 Restoration 三类属性在同一样品中的相对构成格局。因此，三角形主体区域可以理解为一个由三类属性共同定义的连续梯度空间。样品之间的位置差异，反映了其属性结构的差异；样品之间的聚集或分离，则反映了不同类型样品在三元组成上的相似性或异质性。

二、三条坐标轴

该图包含三条坐标轴，分别对应 Protection、Management 和 Restoration。三条轴并不是普通二维坐标系中的横轴和纵轴，而是三元图特有的比例轴。每一条轴均表示对应变量在三元组成中的相对比例变化，刻度范围通常从 0 到 100。

图中外侧箭头用于标明对应变量增加的方向。蓝色箭头表示 Protection 增加方向，橙色箭头表示 Management 增加方向，绿色箭头表示 Restoration 增加方向。读图时，应先识别三个变量的增长方向，再判断样品点相对于三个顶点和三组网格线的位置。

例如，当某一样品点向顶部偏移时，说明其 Management 权重升高；当点向左下方偏移时，说明 Protection 权重较高；当点向右下方偏移时，则说明 Restoration 权重较高。该判断逻辑可通用于所有三元图，只需要将三个变量名称替换为具体研究中的三类组成指标即可。

三、刻度与内部网格线

图中的 20、40、60、80、100 等数字刻度表示对应变量的相对比例。由于三元图是三变量共同约束的组成空间，刻度不能像普通二维图那样只沿水平或垂直方向读取，而需要结合三组平行网格线进行综合判断。

内部网格线具有辅助读数和辅助分区的作用。每一组网格线代表某一变量处于相同百分比水平。样品点落在不同网格区间，说明其在对应变量上的相对比例存在差异。若某一类样品集中分布在同一比例区间内，说明该类型样品具有相对一致的组成结构；若同一类型样品跨越多个网格区间，则说明其内部异质性较强。

四、背景颜色区域

图中设置了浅蓝色、浅橙色和浅绿色背景区域，用于标示 Protection、Management 和 Restoration 三类主导区。背景色的主要作用是提高图形可读性，使读者能够快速识别样品点所偏向的主导维度。

浅蓝色区域表示 Protection 相对占优，浅橙色区域表示 Management 相对占优，浅绿色区域表示 Restoration 相对占优。位于不同背景区域的样品，可以初步判断为不同属性主导下的样品类型。位于三类背景交界处或中心区域的样品，则通常表现为混合型或过渡型特征。

五、散点、标签与图例

图中的每一个圆点代表一个样品、地区、处理或观测对象。圆点的位置由该样品在 Protection、Management 和 Restoration 三类变量中的相对比例共同决定。圆点旁边的文字标签用于标识具体样品名称，例如北京、TJ、SH、QH 等。这些标签有助于识别特殊样品、极端样品和过渡样品。

图例中的颜色表示样品的主导类型。橙色代表 Management 类型，灰色代表 Mixed 类型，蓝色代表 Protection 类型，绿色代表 Restoration 类型。由此可以看出，颜色并不是连续数值大小，而是分类结果。样品点的空间位置表示三元组成结构，样品点的颜色表示其所属主导类型。二者结合，可以判断分类结果是否与样品实际组成空间相一致。

六、例图解读

该图展示了不同样品在 Protection、Management 和 Restoration 三个维度之间的相对组成关系。每个散点代表一个样品，散点在三角图中的位置由三个维度的相对比例共同决定。因此，该图反映的是样品在三类属性之间的相对权重结构，而不是某一单一指标的绝对数值大小。

从整体分布来看，样品在三元空间中并非随机散布，而是呈现出较为清晰的方向性分化。多数橙色样品集中于三角形上部，靠近 Management 方向，说明这部分样品在三元组成中以管理属性占优。绿色样品主要分布于右下部，靠近 Restoration 方向，表明其恢复属性相对突出。蓝色样品位于左下部，明显偏向 Protection 方向，说明其保护属性在三类组成中占据较高权重。灰色样品则主要分布在三角形中部偏上区域，未明显靠近单一顶点，表现出较强的混合型或过渡型特征。

从 Management 类型样品来看，橙色散点主要集中在 Management 较高的区域，大致分布于三角形上部的中高值范围。这说明该类样品的管理属性是其主要组成维度。值得注意的是，这些样品虽然整体向 Management 顶点偏移，但多数并未完全贴近顶点，说明其并非纯粹由管理属性单一主导，而是在 Management 占优的基础上仍保留一定程度的 Protection 或 Restoration 成分。这种分布格局表明，管理型样品具有明显的主导方向，但其内部仍存在一定组成差异。

从 Mixed 类型样品来看，灰色散点主要位于三角图中部区域，介于 Management、Protection 和 Restoration 三个方向之间。该结果说明 Mixed 类型样品并不存在某一维度的绝对优势，其三类属性之间相对均衡。此类样品可以理解为复合型样品或过渡型样品，即其属性结构可能受到多个维度共同影响，而不是由单一过程控制。与 Management 类型样品相比，Mixed 类型样品的 Management 权重有所降低，同时 Protection 和 Restoration 的相对贡献有所增加，因此在图中表现为由顶部向中心区域移动。

从 Protection 类型样品来看，蓝色散点明显偏向左下部 Protection 主导区域。该样品与其他类型在空间位置上存在较明显分离，说明其保护属性在三元组成中具有较高权重。由于该类样品数量较少，其结果更适合作为特殊样品或典型样品进行解释。若结合具体研究背景，该样品可能代表保护属性突出、管理或恢复属性相对较弱的类型。但在论文写作中应注意，该图只能说明其相对组成偏向，不能单独证明其受到某种保护机制控制。

从 Restoration 类型样品来看，绿色散点主要分布于三角形右下部，靠近 Restoration 方向。该结果表明，Restoration 类型样品具有较高的恢复属性权重。绿色样品之间距离相对较近，说明这类样品在三元组成结构上具有一定相似性，组内差异相对较小。同时，Restoration 类型与 Management 类型在三元空间中形成明显分离，说明二者在属性组成上存在较大差异。也就是说，Management 主导型样品和 Restoration 主导型样品并不是同一连续梯度上的轻微变化，而是在三类属性分配上表现出不同的结构方向。

从类型间关系来看，该图显示出较明显的“主导型—混合型—分化型”结构。Management 类型样品向上部集中，Restoration 类型样品向右下方集中，Protection 类型样品向左下方偏移，而 Mixed 类型样品位于三者之间。该空间格局说明，不同样品类型之间并非完全重叠，而是在三元组成空间中形成了较清晰的分区。这表明图中 Dominant_type 的分类结果与样品在 Protection、Management 和 Restoration 三个维度上的相对组成结构具有较好一致性。

七、使用步骤

1.下载和安装Python

先进入 Python 官方下载页面，下载当前系统对应的稳定版本。Python 官网会自动识别 Windows、macOS 或 Linux 系统，并提供对应安装包。对于初学者，建议直接使用 Python 官方安装包，不建议一开始就使用复杂环境管理工具。安装完成后，后续可以通过命令行安装本代码所需的第三方库。建议下载Python3.11~Python3.13之间的版本。

相关下载和安装教程可自行查找网络教程，有很多哦~

2.Python 编辑器的下载与安装

对于初学者推荐使用VS Code、PyCharm编辑器，也可以使用其他编辑器，相关教程可查找网络资源。

3.新建项目文件夹

通过百度网盘下载Python代码，将Python代码和Excel数据放在新建的项目文件夹中，建议不要把代码直接放在桌面散乱运行，而是新建一个独立文件夹。

4.准备 Excel 数据文件

代码会自动读取 Excel 的前五列。前五列的含义必须固定。第 1 列是样品标签，会显示在散点旁边。第 2 列是左轴变量，第 3 列是右轴变量，第 4 列是底轴变量，第 5 列是分类变量。示范数据如下：

5.打开Python编辑器并进入项目文件夹

File → Open Folder → 选择打开项目文件夹

6.安装代码所需依赖库

代码开头导入了以下第三方库，打开终端，输入： pip install pandas numpy matplotlib openpyxl

7.代码运行

根据我提供的示范数据，输入到代码里面，点击运行即可输出png和PDF文件

这个部分可以设置图的输出风格，字体大小、颜色等

完整代码获取回复“三元图”即可获得通道

代码运行问题可添加微信详细咨询：zhouysh001（八宝粥加油）