如何用Python读取txt坐标数据并实现matplotlib绘图？

嘿，作为编程新手遇到这种问题太正常了！我来一步步帮你排查问题、实现需求～

一、先把数据读取的坑填上 #

从你给出的示例x=0 y=3 z=97.72来看，你的txt文件每行是空格分隔的键值对格式，但你代码里用了split(",")按逗号分割，这肯定读不对，这大概率是你读取失败的原因！

我们换个方式提取数值，直接处理每行的键值对：

coordinates = []
with open("example.txt", "r", encoding="ascii") as f:
    for line in f:
        # 先去掉换行符，再按空格拆成一个个"x=0"这样的片段
        parts = line.strip().split()
        # 把每个片段按"="拆分，取后面的数值转成对应类型
        x = int(parts[0].split("=")[1])
        y = int(parts[1].split("=")[1])
        z = float(parts[2].split("=")[1])
        coordinates.append((x, y, z))

# 打印看看读取结果对不对
print("读取到的坐标：")
for p in coordinates:
    print(p)

如果你的txt是纯逗号分隔的数值（比如每行是0,3,97.72），那只需要修正分割方式，同时注意去掉可能的空格：

coordinates = []
with open("example.txt", "r", encoding="ascii") as f:
    for line in f:
        # 先清掉换行和前后空格，再按逗号分割
        x_str, y_str, z_str = line.strip().split(",")
        # 转类型时记得去掉数值前后的空格
        x = int(x_str.strip())
        y = int(y_str.strip())
        z = float(z_str.strip())
        coordinates.append((x, y, z))

另外，你后面的遍历代码有两个明显问题：

• for x, y in coordinates: 会直接报错，因为每个元素是(x,y,z)三元组，得写成for x, y, z in coordinates:
• x_text、y_text是读取循环里的临时变量，到后面的循环已经失效了，逻辑也没对齐需求，这部分我们后面重新写。

二、随机选两个坐标点 #

用Python自带的random模块就能轻松实现，记得要选两个不同的点：

import random

# 先确保文件里至少有两个点
if len(coordinates) < 2:
    print("文件里的坐标点不够2个哦！")
else:
    # 随机选两个不重复的点
    point1, point2 = random.sample(coordinates, 2)
    print(f"随机选中的两个点：{point1} 和 {point2}")

三、筛选两个点之间的所有坐标 #

这里得先明确“二者间的所有坐标”是什么意思，通常有两种常见需求：

需求1：以两个点为对角的矩形区域内的所有点 #

比如取x的最小到最大值，y的最小到最大值，把这个矩形范围内的点都筛出来：

# 算出矩形的x、y范围
min_x = min(point1[0], point2[0])
max_x = max(point1[0], point2[0])
min_y = min(point1[1], point2[1])
max_y = max(point1[1], point2[1])

# 用列表推导式筛选符合条件的点
filtered_points = [p for p in coordinates if min_x <= p[0] <= max_x and min_y <= p[1] <= max_y]

print(f"筛选出的区域内的点：{filtered_points}")

需求2：两点连线上的所有网格点 #

如果你的x、y是整数网格坐标，想要找两点连线上的点，就得用Bresenham直线算法，不过先默认你需要的是矩形区域的情况，要是需要连线的话可以再调整～

四、用Matplotlib画Z值 #

我们可以用散点图直观展示每个点的Z值大小，颜色越深代表金额越高：

import matplotlib.pyplot as plt

if filtered_points:
    # 把筛选出的点拆成x、y、z三个列表
    xs = [p[0] for p in filtered_points]
    ys = [p[1] for p in filtered_points]
    zs = [p[2] for p in filtered_points]

    # 绘制散点图，用颜色映射Z值
    plt.scatter(xs, ys, c=zs, cmap='viridis', s=100)
    # 加个颜色条说明Z值对应的颜色
    plt.colorbar(label='金额值Z')
    plt.xlabel('X坐标')
    plt.ylabel('Y坐标')
    plt.title(f'区域({min_x},{min_y})到({max_x},{max_y})的Z值分布')
    plt.show()
else:
    print("筛选的区域里没有坐标点哦！")

如果你的坐标是规则网格（每个x、y组合都有对应的Z值），还可以画热力图，看起来更直观：

import numpy as np

# 生成一个空网格，大小覆盖筛选的区域
grid = np.zeros((max_y + 1, max_x + 1))
# 把每个点的Z值填到网格对应位置
for p in filtered_points:
    grid[p[1], p[0]] = p[2]

# 绘制热力图
plt.imshow(grid, cmap='viridis', origin='lower')
plt.colorbar(label='金额值Z')
plt.xlabel('X坐标')
plt.ylabel('Y坐标')
plt.title('Z值热力图')
plt.show()

完整整合代码 #

把上面的步骤串起来，就是一个能跑通的完整脚本：

import random
import matplotlib.pyplot as plt

# 1. 读取坐标数据
coordinates = []
try:
    with open("example.txt", "r", encoding="ascii") as f:
        for line in f:
            parts = line.strip().split()
            x = int(parts[0].split("=")[1])
            y = int(parts[1].split("=")[1])
            z = float(parts[2].split("=")[1])
            coordinates.append((x, y, z))
    print(f"成功读取{len(coordinates)}个坐标点")
except Exception as e:
    print(f"读取文件出错啦：{e}")
    exit()

# 2. 随机选取两个点
if len(coordinates) < 2:
    print("坐标点数量不够，没法选两个点哦")
    exit()
point1, point2 = random.sample(coordinates, 2)
print(f"随机选中的点：{point1} 和 {point2}")

# 3. 筛选矩形区域内的点
min_x = min(point1[0], point2[0])
max_x = max(point1[0], point2[0])
min_y = min(point1[1], point2[1])
max_y = max(point1[1], point2[1])
filtered_points = [p for p in coordinates if min_x <= p[0] <= max_x and min_y <= p[1] <= max_y]

if not filtered_points:
    print("筛选的区域里没有点哦")
    exit()

# 4. 绘制Z值分布图
xs = [p[0] for p in filtered_points]
ys = [p[1] for p in filtered_points]
zs = [p[2] for p in filtered_points]

plt.scatter(xs, ys, c=zs, cmap='viridis', s=100)
plt.colorbar(label='金额值Z')
plt.xlabel('X坐标')
plt.ylabel('Y坐标')
plt.title(f'区域({min_x},{min_y})到({max_x},{max_y})的Z值分布')
plt.show()

内容的提问来源于stack exchange，提问作者gregiroir