Python 如何使三元绘图看起来像倒三角形？

我试图得到一个三元图来理解某些化合物形状的多样性。当使用plotly绘制球形、棒状和圆盘状时，它给出了一个很好的三角图，显示了所有化合物的多样性。但传统上，分子的PMI图绘制为倒三角形。谁能告诉我如何反转三角形图，这是我在执行以下命令后得到的。谢谢

df.头（5）

将numpy作为np导入
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
导入plotly.graph_对象作为go
def makeAxis（标题，tickangle=0，tickprefix=''，ticksuffix=''，tickformat=''：
''一体式轴定制器''
返回{
“标题”：标题，
'titlefont'：{'size'：20}，
“滴答声”：滴答声，
'tickfont'：{'size'：15}，
“tickcolor”：“rgba（0,0,0,0）”，
“tickformat”：tickformat，
“showticklabels”：正确，
'showtickprefix'：'all'，
“tickprefix”：tickprefix，
'showticksuffix'：'all'，
“ticksuffix”：ticksuffix，
“痒”：5，
“showline”：正确，
“showgrid”：真
}
#从ASCII字符串构造数据帧
pmi_text=[“微笑npr1 npr2球体_相似杆_相似圆盘_相似”，
“0 ClCC（Cl）（Cl）Cl 0.541834 0.936058 0.477893 0.127884 3.942238e-01”，
“1 CC（Cl）（Cl）Cl 0.718463 0.718463 0.436926 0.563074 1.141665e-07”，
“2 ClC（Cl）C（Cl）Cl 0.519768 0.841920 0.361688 0.316160 3.221519e-01”，
“3 ClCC（Cl）Cl 0.498890 0.694875 0.193765 0.610249 1.959857e-01”，
“4 FC（F）（Cl）C（F）（Cl）Cl 0.720879 0.944308 0.665187 0.111383 2.234296e-01”]
t_smiles，t_npr1，t_npr2='smiles'，'npr1'，'npr2'
data_raw=dict（zip（pmi_text[0][4:.split（），np.array（[r[4:.split（），用于pmi_text[1:]）.T中的r））
数据_pmi={k：（如果k==t_.asfarray（v）），用于数据_raw.items（）中的k，v
df=pd.DataFrame（data=data\u pmi）
mat_customdata=np.stack（（df[t_npr1]，df[t_npr2]），轴=-1）
显示（df）
t_A，t_B，t_C，t_后缀='rod'，'disc'，'sphere'，'u-likess'
轨迹名称、图形标题=‘PMI’、‘主惯性矩’
fig=go.Figure（go.散射三元（
name=trace\u name，
text=df[t_微笑]，
a=df[f'{t_a}{t_后缀}']，
b=df[f'{t_b}{t_后缀}']，
c=df[f'{t_c}{t_后缀}']，
customdata=mat_customdata，
hoverlabel_align='right'，
hovertemplate=“”.join（['%{text}:

'，
t_A+'：%{A:.6f}
'，
t_B+'：%{B:.6f}
'，
t_C+'：%{C:.6f}

'，
t_npr1+'：%{customdata[0]：g}
'，
t_npr2+'：%{customdata[1]：g}'，
'']), 
mode='markers'，
标记={'size'：12}
))
图1.2.2.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1({
“标题”：图_标题，
“三元”：
{
"和":1,，
“aaxis”：makeAxis（t_A.upper（）+”，#“.”是为了对齐
tickprefix='r='，
tickformat='.2f'），
“baxis”：makeAxis（t_B.upper（）+”，
滴答声角度=60，
tickprefix='d='，
tickformat='.2f'），
'caxis'：makeAxis（'.'+t_C.upper（），
滴答声角度=-60，
tickprefix='s='，
tickformat='.2f'），
},
“showlegend”：错误
})
图2（图3）

将numpy作为np导入
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
导入plotly.graph_对象作为go
def makeAxis（标题，tickangle=0，tickprefix=''，ticksuffix=''，tickformat=''：
''一体式轴定制器''
返回{
“标题”：标题，
'titlefont'：{'size'：20}，
“滴答声”：滴答声，
'tickfont'：{'size'：15}，
“tickcolor”：“rgba（0,0,0,0）”，
“tickformat”：tickformat，
“showticklabels”：正确，
'showtickprefix'：'all'，
“tickprefix”：tickprefix，
'showticksuffix'：'all'，
“ticksuffix”：ticksuffix，
“痒”：5，
“showline”：正确，
“showgrid”：真
}
#从ASCII字符串构造数据帧
pmi_text=[“微笑npr1 npr2球体_相似杆_相似圆盘_相似”，
“0 ClCC（Cl）（Cl）Cl 0.541834 0.936058 0.477893 0.127884 3.942238e-01”，
“1 CC（Cl）（Cl）Cl 0.718463 0.718463 0.436926 0.563074 1.141665e-07”，
“2 ClC（Cl）C（Cl）Cl 0.519768 0.841920 0.361688 0.316160 3.221519e-01”，
“3 ClCC（Cl）Cl 0.498890 0.694875 0.193765 0.610249 1.959857e-01”，
“4 FC（F）（Cl）C（F）（Cl）Cl 0.720879 0.944308 0.665187 0.111383 2.234296e-01”]
t_smiles，t_npr1，t_npr2='smiles'，'npr1'，'npr2'
data_raw=dict（zip（pmi_text[0][4:.split（），np.array（[r[4:.split（），用于pmi_text[1:]）.T中的r））
数据_pmi={k：（如果k==t_.asfarray（v）），用于数据_raw.items（）中的k，v
df=pd.DataFrame（data=data\u pmi）
mat_customdata=np.stack（（df[t_npr1]，df[t_npr2]），轴=-1）
显示（df）
t_A，t_B，t_C，t_后缀='rod'，'disc'，'sphere'，'u-likess'
轨迹名称、图形标题=‘PMI’、‘主惯性矩’
fig=go.Figure（go.散射三元（
name=trace\u name，
text=df[t_微笑]，
a=df[f'{t_a}{t_后缀}']，
b=df[f'{t_b}{t_后缀}']，
c=df[f'{t_c}{t_后缀}']，
customdata=mat_customdata，
hoverlabel_align='right'，
hovertemplate=“”.join（['%{text}:

'，
t_A+'：%{A:.6f}
'，
t_B+'：%{B:.6f}
'，
t_C+'：%{C:.6f}

'，
t_npr1+'：%{customdata[0]：g}
'，
t_npr2+'：%{customdata[1]：g}'，
'']),
    smiles  npr1    npr2    sphere_likeness     rod_likeness    disc_likeness
0   ClCC(Cl)(Cl)Cl  0.541834    0.936058    0.477893    0.127884    3.942238e-01
1   CC(Cl)(Cl)Cl    0.718463    0.718463    0.436926    0.563074    1.141665e-07
2   ClC(Cl)C(Cl)Cl  0.519768    0.841920    0.361688    0.316160    3.221519e-01
3   ClCC(Cl)Cl  0.498890    0.694875    0.193765    0.610249    1.959857e-01
4   FC(F)(Cl)C(F)(Cl)Cl     0.720879    0.944308    0.665187    0.111383    2.234296e-01


import plotly.express as px

fig = px.scatter_ternary(df, a="sphere_likeness", b="rod_likeness", c="disc_likeness")

fig.show()


import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import plotly.graph_objects as go

def makeAxis(title, tickangle=0, tickprefix='', ticksuffix='', tickformat=''):
    ''' all-in-one axis customizer '''
    return {
      'title': title,
      'titlefont': { 'size': 20 },
      'tickangle': tickangle,
      'tickfont': { 'size': 15 },
      'tickcolor': 'rgba(0,0,0,0)',
      'tickformat': tickformat,
      'showticklabels': True,
      'showtickprefix': 'all',
      'tickprefix': tickprefix,
      'showticksuffix': 'all',
      'ticksuffix': ticksuffix,
      'ticklen': 5,
      'showline': True,
      'showgrid': True
    }

# Construct a dataframe from ASCII strings
pmi_text = ["    smiles  npr1    npr2    sphere_likeness     rod_likeness    disc_likeness",
            "0   ClCC(Cl)(Cl)Cl  0.541834    0.936058    0.477893    0.127884    3.942238e-01",
            "1   CC(Cl)(Cl)Cl    0.718463    0.718463    0.436926    0.563074    1.141665e-07",
            "2   ClC(Cl)C(Cl)Cl  0.519768    0.841920    0.361688    0.316160    3.221519e-01",
            "3   ClCC(Cl)Cl  0.498890    0.694875    0.193765    0.610249    1.959857e-01",
            "4   FC(F)(Cl)C(F)(Cl)Cl     0.720879    0.944308    0.665187    0.111383    2.234296e-01"]
t_smiles, t_npr1, t_npr2 = 'smiles', 'npr1', 'npr2'
data_raw = dict(zip(pmi_text[0][4:].split(), np.array([r[4:].split() for r in pmi_text[1:]]).T))
data_pmi = {k: (v if k == t_smiles else np.asfarray(v)) for k, v in data_raw.items()}
df = pd.DataFrame(data=data_pmi)
mat_customdata = np.stack((df[t_npr1], df[t_npr2]), axis=-1)
display(df)

t_A, t_B, t_C, t_suffix = 'rod', 'disc', 'sphere', '_likeness'
trace_name, figure_title = 'PMI', 'Principal Moments of Inertia'
fig = go.Figure( go.Scatterternary(  
    name=trace_name,
    text=df[t_smiles],
    a=df[f'{t_A}{t_suffix}'],
    b=df[f'{t_B}{t_suffix}'],
    c=df[f'{t_C}{t_suffix}'],
    customdata=mat_customdata,
    hoverlabel_align='right',
    hovertemplate = "".join(['<b>%{text}:</b><br><br>',
                             t_A + ': %{a:.6f}<br>',
                             t_B + ': %{b:.6f}<br>',
                             t_C + ': %{c:.6f}<br><br>',
                             t_npr1 + ': %{customdata[0]:g}<br>',
                             t_npr2 + ': %{customdata[1]:g}',
                             '<extra></extra>']), 
    mode='markers',
    marker={'size': 12} 
))

fig.update_layout({
    'title': figure_title,
    'ternary':
        {
        'sum': 1,
        'aaxis': makeAxis(t_A.upper() + '      .',   # '.' is for sake of alignment
                          tickprefix='r=',
                          tickformat='.2f'),
        'baxis': makeAxis(t_B.upper() + '      .', 
                          tickangle=60, 
                          tickprefix='d=',
                          tickformat='.2f'),
        'caxis': makeAxis('.           ' + t_C.upper(), 
                          tickangle=-60, 
                          tickprefix='s=',
                          tickformat='.2f'),
    },
    'showlegend': False
})
fig.show()