基于GPS坐标数据，如何用Python+Matplotlib绘制斜向椭圆形赛道？

问题背景 #

我手头有数百条包含X、Y值的GPS坐标字典数据，转换后得到了MaxX、MaxY、MinX、MinY四个极值。已经用Matplotlib画出了极值红点和特定选手的运动轨迹绿点，需要绘制内外斜向椭圆赛道，要求轨迹绿点既不超出外椭圆边界，也不进入内椭圆区域，但一开始搞不懂斜向椭圆的计算和绘制方法，后来在Brock Brown的帮助下搞定了需求。

1. 斜向椭圆的核心逻辑 #

斜向椭圆就是标准椭圆经过平移+旋转变换后的结果，关键参数计算如下：

• 中心坐标：取极值的中点，center_x = (MaxX + MinX)/2，center_y = (MaxY + MinY)/2
• 半轴长度：外椭圆基于极值差放大5%（避免轨迹贴边），内椭圆取外椭圆半轴的90%；比如外椭圆长半轴a_outer = (MaxX - MinX)/2 * 1.05，短半轴b_outer = (MaxY - MinY)/2 * 1.05
• 旋转角度：根据极值点的分布方向计算，用np.arctan2(MaxY - MinY, MaxX - MinX)得到弧度后转成角度即可

2. Matplotlib绘制斜向椭圆代码 #

直接用Matplotlib的Ellipse类就能实现，它原生支持旋转参数：

import matplotlib.pyplot as plt
import numpy as np

# 替换成你的实际极值数据
MaxX, MinX = 100, 0
MaxY, MinY = 80, 20

# 计算椭圆核心参数
center = ((MaxX + MinX)/2, (MaxY + MinY)/2)
# 外椭圆半轴（放大5%预留边界）
a_outer = (MaxX - MinX)/2 * 1.05
b_outer = (MaxY - MinY)/2 * 1.05
# 内椭圆半轴（缩小10%形成赛道区域）
a_inner = a_outer * 0.9
b_inner = b_outer * 0.9
# 旋转角度（弧度转成Matplotlib需要的角度值）
rotate_angle = np.degrees(np.arctan2(MaxY - MinY, MaxX - MinX))

# 创建画布
fig, ax = plt.subplots(figsize=(8,8))

# 绘制外椭圆（灰色半透明填充，黑色边框）
outer_ellipse = plt.matplotlib.patches.Ellipse(
    center, 2*a_outer, 2*b_outer, angle=rotate_angle,
    facecolor='#cccccc', alpha=0.3, edgecolor='black', linewidth=1.5
)
ax.add_patch(outer_ellipse)

# 绘制内椭圆（白色填充覆盖背景，形成赛道区域）
inner_ellipse = plt.matplotlib.patches.Ellipse(
    center, 2*a_inner, 2*b_inner, angle=rotate_angle,
    facecolor='white', edgecolor='black', linewidth=1.5
)
ax.add_patch(inner_ellipse)

# 绘制极值红点
ax.scatter([MaxX, MinX, MaxX, MinX], [MaxY, MinY, MinY, MaxY], color='red', s=60, zorder=3)

# 绘制选手轨迹绿点（替换成你的实际轨迹数据）
np.random.seed(42)
track_x = np.random.uniform(MinX+5, MaxX-5, 120)
track_y = np.random.uniform(MinY+5, MaxY-5, 120)
ax.scatter(track_x, track_y, color='green', s=30, zorder=2)

# 配置坐标轴，保证椭圆比例正确
ax.set_xlim(MinX - 10, MaxX + 10)
ax.set_ylim(MinY - 10, MaxY + 10)
ax.set_aspect('equal')
plt.title('斜向椭圆赛道与选手轨迹')
plt.show()

3. 轨迹点的约束验证 #

要确保轨迹点落在内外椭圆之间的赛道区域，可以通过坐标变换代入标准椭圆方程判断：

def check_point_valid(x, y, center, outer_a, outer_b, rotate_angle):
    # 平移到椭圆中心
    dx = x - center[0]
    dy = y - center[1]
    # 逆旋转，将点转换到椭圆的局部坐标系
    rad = np.radians(rotate_angle)
    dx_rot = dx * np.cos(rad) + dy * np.sin(rad)
    dy_rot = -dx * np.sin(rad) + dy * np.cos(rad)
    # 验证是否在外椭圆内、内椭圆外（允许微小误差）
    in_outer = (dx_rot/outer_a)**2 + (dy_rot/outer_b)**2 <= 1.01
    out_inner = (dx_rot/(outer_a*0.9))**2 + (dy_rot/(outer_b*0.9))**2 >= 0.99
    return in_outer and out_inner

# 批量验证轨迹点
valid_count = 0
for x, y in zip(track_x, track_y):
    if check_point_valid(x, y, center, a_outer, b_outer, rotate_angle):
        valid_count +=1
print(f"符合赛道约束的轨迹点数量：{valid_count}/{len(track_x)}")

内容的提问来源于stack exchange，提问作者SocketLearner1302