如何基于给定数据集绘制有序闭合曲线并解决连接顺序问题？

我有一组数据集，想要绘制第三列与第二列的关系图，将连续点连接形成闭合曲线。目前能完成两列数据的散点绘制，但代码连接点时未遵循正确顺序，无法得到预期的闭合曲线效果（附参考图）。以下是我使用的Python代码：

# Function to read points from file, focusing on the second and third columns
def read_points(filename):
    points = []
    with open(filename, "r") as file:
        for line in file:
            _, x, y = line.strip().split(',')
            points.append((float(x), float(y)))
    return points

# Read points from the file
points = read_points("Entrance.dat")

# Plotting points and connecting them with lines
plt.scatter(*zip(*points), color='red')  # Plots the points
plt.plot(*zip(*points), color='blue')    # Connects the points with a line to form a curve

plt.xlabel('X')
plt.ylabel('Y')
plt.title('Curve from Data Points')

# Showing the plot
plt.grid(True)
plt.show()

此前参考了Stack Overflow相关页面，但未解决问题。

解决方向 #

核心原因 #

plt.plot()会严格按照列表中点的顺序依次连接，如果原始数据的行顺序不是曲线的连续采样顺序（比如乱序、按其他维度排序），就会出现交叉、混乱的连线，无法形成闭合曲线。

具体解决步骤 #

• 利用原始数据的序号排序：如果数据集第一列是点的采样顺序（比如从1到N的序号），之前的代码丢弃了这列数据，导致顺序丢失。修改读取逻辑，保留序号并按其排序后再提取x、y值。
• 按角度排序（适用于中心对称闭合图形）：如果数据是围绕某中心点的闭合图形，可计算每个点相对于中心的角度，按角度从小到大排序后再连接。
• 手动补充闭合点：无论哪种排序方式，都需要把第一个点追加到列表末尾，确保曲线首尾相连形成闭合。

修改后的代码示例 #

情况1：基于第一列采样序号排序 #

import matplotlib.pyplot as plt

def read_points(filename):
    points = []
    with open(filename, "r") as file:
        for line in file:
            idx, x, y = line.strip().split(',')
            # 保留采样序号、x、y
            points.append((int(idx), float(x), float(y)))
    # 按序号排序
    points_sorted = sorted(points, key=lambda p: p[0])
    # 提取排序后的x、y
    x_vals = [p[1] for p in points_sorted]
    y_vals = [p[2] for p in points_sorted]
    # 追加第一个点，实现闭合
    x_vals.append(x_vals[0])
    y_vals.append(y_vals[0])
    return x_vals, y_vals

x, y = read_points("Entrance.dat")

plt.scatter(x, y, color='red')
plt.plot(x, y, color='blue')

plt.xlabel('X')
plt.ylabel('Y')
plt.title('闭合曲线')
plt.grid(True)
plt.show()

情况2：按角度排序（中心对称图形适用） #

import matplotlib.pyplot as plt
import numpy as np

def read_points(filename):
    points = []
    with open(filename, "r") as file:
        for line in file:
            _, x, y = line.strip().split(',')
            points.append((float(x), float(y)))
    return points

points = read_points("Entrance.dat")
x, y = zip(*points)

# 计算图形中心点
center_x = np.mean(x)
center_y = np.mean(y)

# 计算每个点相对于中心的角度
angles = np.arctan2(np.array(y) - center_y, np.array(x) - center_x)
# 按角度排序获取索引
sorted_indices = np.argsort(angles)
# 重新排序x、y
x_sorted = np.array(x)[sorted_indices]
y_sorted = np.array(y)[sorted_indices]

# 追加第一个点实现闭合
x_sorted = np.append(x_sorted, x_sorted[0])
y_sorted = np.append(y_sorted, y_sorted[0])

plt.scatter(x_sorted, y_sorted, color='red')
plt.plot(x_sorted, y_sorted, color='blue')

plt.xlabel('X')
plt.ylabel('Y')
plt.title('按角度排序的闭合曲线')
plt.grid(True)
plt.show()

参考资源 #

• Matplotlib官方文档：plt.plot()的连接逻辑说明，以及散点图与线图的组合使用方法
• NumPy常用函数：np.arctan2()计算角度、np.argsort()获取排序索引、np.mean()计算中心点的用法
• Python内置方法：sorted()函数通过key参数自定义排序规则的用法

内容的提问来源于stack exchange，提问作者saba