如何从三列格式的距离文本文件绘制距离矩阵或热图？

核心思路 #

把三列（点A、点B、距离）的扁平数据，转换成对称的二维矩阵，再用可视化工具生成热图。以下是具体操作步骤（以Python工具链为例）：

1. 读取并整理原始数据 #

用pandas读取空格分隔的文本文件，指定列名方便后续处理：

import pandas as pd

# 读取单个文件，sep='\s+'适配任意数量空格分隔
df = pd.read_csv('distance_data.txt', sep='\s+', header=None, names=['point1', 'point2', 'distance'])

# 如果是多个文件，循环读取合并（示例）
# files = ['file1.txt', 'file2.txt']
# df_list = [pd.read_csv(f, sep='\s+', header=None, names=['point1', 'point2', 'distance']) for f in files]
# combined_df = pd.concat(df_list)

2. 构建对称距离矩阵 #

原始数据只存储了非重复的点对（比如只存1-2，不存2-1），需要补全对称部分并填充对角线（自身距离为0）：

# 获取所有唯一的点并排序，保证矩阵顺序一致
points = sorted(df['point1'].unique())

# 生成初始矩阵，缺失值先填0
dist_matrix = df.pivot_table(
    index='point1',
    columns='point2',
    values='distance',
    fill_value=0
)

# 补全对称部分（把矩阵转置后合并到原矩阵）
dist_matrix = dist_matrix.combine_first(dist_matrix.T)

# 填充对角线（自身到自身的距离为0）
for p in points:
    dist_matrix.loc[p, p] = 0

3. 绘制热图 #

用seaborn的热图工具直接可视化矩阵，支持标注数值、自定义配色：

import seaborn as sns
import matplotlib.pyplot as plt

# 绘制热图，annot=True显示数值，cmap指定配色方案
sns.heatmap(dist_matrix, annot=True, cmap='viridis', square=True)
plt.title('Distance Matrix Heatmap')
plt.show()

额外注意事项 #

• 如果存在重复的点对数据（比如同一对出现多次），可以在pivot_table中添加aggfunc='mean'（或sum/median）来聚合数值
• 若点ID不是连续数字（比如字符串），上述代码同样适用，sorted()会按字符串顺序排列
• 多个文件的情况下，可以循环生成每个文件的热图，或合并数据后绘制对比热图

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