如何复刻论文《Get me off Your F****** Mailing List》中的散点图？

要复刻这张由字符坐标构成的散点图来测试密度聚类算法，不用从零手动构建数据，以下是几种高效实现方式：

1. 直接用现成数据集 #

已有开发者整理好该散点图的坐标数据集，直接拿来用就行：

• 在Python生态里，搜关键词"Get me off Your F****** Mailing List dataset"，能找到可直接导入的CSV或numpy格式数据集，用pandas或numpy就能加载
• 部分聚类算法的社区示例库（比如sklearn的第三方扩展）内置了这个趣味测试数据集，专门用来演示密度类聚类算法的效果

2. 用工具包快速生成数据 #

如果找不到现成数据集，几行代码就能生成字符坐标：

• 用matplotlib结合ASCII字符的像素映射逻辑，把目标字符拆解成(x,y)坐标点。示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 示例：核心字符的坐标点集合
core_char_points = np.array([
    [1, 2], [1, 3], [2, 1], [2, 4],
    [3, 1], [3, 4], [4, 2], [4, 3]
])

plt.scatter(core_char_points[:, 0], core_char_points[:, 1])
plt.show()

• 更精准的方式：用PIL加载论文里的散点图截图，提取非背景像素的坐标，直接转成散点数据集，完美复刻原图的点分布

3. 图像识别自动提取坐标 #

用图像处理工具自动从论文截图里抠坐标：

• 把论文里的散点图截下来，用OpenCV做阈值处理、轮廓检测，自动识别每个点的坐标，导出成CSV或数组格式，全程不用手动打点

重点提醒：复刻时要保留原图的点密度分布特征，这样才能满足聚类算法测试的有效性

内容的提问来源于stack exchange，提问作者Neuchâtel