如何使用gnuplot基于数据文件的三列绘制2D彩色散点图？

针对你提供的三列数据（前两列为坐标，第三列为对应数值），这里提供两种常用的Python实现方案，均生成非3D的2D彩色图：

方案1：彩色散点图（展示离散点） #

适合直接呈现每个坐标点的数值对应颜色，直观展示离散数据分布：

import numpy as np
import matplotlib.pyplot as plt

# 读取文本数据（替换为你的文件路径）
data = np.loadtxt('data.txt')
x = data[:, 0]
y = data[:, 1]
values = data[:, 2]

# 绘制散点图，颜色绑定第三列数值
plt.scatter(x, y, c=values, cmap='viridis', s=100)
# 添加颜色条标注数值含义
plt.colorbar(label='坐标点数值')

# 设置坐标轴与标题
plt.xlabel('X 坐标')
plt.ylabel('Y 坐标')
plt.title('2D 彩色散点图')

plt.show()

关键参数说明： #

• cmap='viridis'：指定颜色映射方案，可替换为plasma、RdBu（适合正负值区分）等
• s=100：控制点的大小，可根据需求调整

方案2：插值热力图（生成连续色彩面） #

如果需要展示数值的连续分布趋势，可通过插值将离散点转换为连续热力图：

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

# 读取数据
data = np.loadtxt('data.txt')
x = data[:, 0]
y = data[:, 1]
values = data[:, 2]

# 生成插值网格
xi = np.linspace(min(x), max(x), 100)
yi = np.linspace(min(y), max(y), 100)
xi, yi = np.meshgrid(xi, yi)

# 线性插值填充网格数值（可选nearest/cubic插值方法）
zi = griddata((x, y), values, (xi, yi), method='linear')

# 绘制热力图
plt.contourf(xi, yi, zi, cmap='viridis', levels=20)
plt.colorbar(label='坐标点数值')

# 叠加原始离散点作为参考
plt.scatter(x, y, color='white', s=50, edgecolor='black')

plt.xlabel('X 坐标')
plt.ylabel('Y 坐标')
plt.title('2D 插值热力图')

plt.show()

关键参数说明： #

• method='linear'：插值方法，可选nearest（最快）、cubic（最平滑）
• levels=20：热力图的色彩分层数量，数值越高色彩过渡越细腻

注意事项： #

• 确保文本文件路径正确，或把数据文件放在代码同一目录下
• 若数据量极大，可降低网格密度（如把100改为50）以提升运行速度

内容的提问来源于stack exchange，提问作者SrD4443