如何使用Julia的Plots库获取图表内所有数据点的(x,y)坐标列表

首先明确：不建议从Plots渲染完成的图表对象中反向提取数据点。Plots作为多后端统一绘图抽象层，不同后端存储绘图数据的结构不统一，反向提取不仅兼容性差、容易出错，且你当前场景下完全不需要这么做——所有绘图用的源数据都存在你已经生成的GeoStats对象中，直接调用对象属性取值计算，比从图上扒点准确且高效得多。

针对变异函数拟合误差计算的正确实现方式 #

你当前需要比对经验半变异函数点和理论拟合模型值，直接操作EmpiricalVariogram和拟合得到的变异函数对象即可，不需要和Plots绘图对象交互：

• 经验半变异函数的所有观测点直接从g对象提取：
  • x轴滞后距：g.abscissas
  • 对应y轴经验半方差值：g.ordinates
  • 每个滞后距对应的样本点对计数（可用于加权误差计算）：g.counts
• 拟合得到的理论变异函数γ本身是可调用的函数对象，传入滞后距数组即可直接得到对应位置的模型预测半方差值，不需要从绘制的模型曲线上采样。

误差计算代码 #

你可以直接把以下代码加到现有脚本的绘图逻辑之后，即可得到MAE、RMSE指标：

# 提取经验变异函数观测数据
lag_obs = g.abscissas
semivar_obs = g.ordinates

# 计算对应滞后距下的理论模型预测值
semivar_pred = γ.(lag_obs)

# 计算误差指标
mae = mean(abs.(semivar_obs .- semivar_pred))
rmse = sqrt(mean((semivar_obs .- semivar_pred).^2))

println("拟合MAE: ", round(mae, digits=4))
println("拟合RMSE: ", round(rmse, digits=4))

（不推荐）从Plots对象提取数据的方法 #

如果确实需要从已生成的Plots图表中取点，可通过访问图表的series属性实现：

# 先把绘图结果赋值给变量p
p = plot(g, label = "经验变异函数")
plot!(p, γ, label = "拟合理论模型")
hline!(p, [γ.nugget], label = "块金值")
hline!(p, [γ.sill], label = "基台值")

# 访问系列数据，序号对应绘图顺序
emp_x, emp_y = p.series[1][:x], p.series[1][:y] # 经验变异函数点
model_x, model_y = p.series[2][:x], p.series[2][:y] # 理论模型曲线点

注意：该方法存在明显缺陷：不同Plots版本、不同绘图后端（GR/PyPlot/PlotlyJS等）的series存储结构可能存在差异；且理论模型曲线的点是绘图时自动等间距采样生成的，和经验变异函数的原始观测滞后点不匹配，直接用这两组点计算误差结果不准确，非必要不要使用。

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