R语言ggvoronoi绘制Voronoi图如何连接对应绿点与蓝点

核心问题原因 #

绿点和对应蓝点无法正确连接，本质是偏移生成上下界点位时，没有保留原始数据行的配对映射关系：两套点位独立生成后如果经过排序、去重、索引重置等操作，数组顺序会错位，直接连线会匹配到错误的点。另外最开始遇到的点位出界问题，是因为直接用原始upper/lower绝对值做坐标映射，没有做相对偏移，导致数值极值点超出绘图边界。

可直接复用的实现步骤 #

• 偏移计算阶段绑定配对关系
  不要把lower、upper偏移后的点位拆成独立数据集，直接在原始数据框中新增列存储两类点位的坐标，每一行的坐标天然对应同一组配对点，从根源避免错位。偏移量用相对比例控制，不要直接缩放原始字段值，保留数值的相对差异。

  import pandas as pd
  import matplotlib.pyplot as plt
  from scipy.spatial import Voronoi, voronoi_plot_2d
  
  # 偏移系数可根据显示效果调整，数值越小点位越聚拢
  OFFSET_RATIO = 0.07
  
  # 原始df包含x/y/fit/lower/upper五个字段
  df = pd.read_csv("你的样例数据路径")
  # 逐行计算偏移后的坐标，保留配对关系
  df['x_low'] = df['x'] + (df['lower'] - df['fit']) * OFFSET_RATIO
  df['y_low'] = df['y'] + (df['lower'] - df['fit']) * OFFSET_RATIO
  df['x_up'] = df['x'] + (df['upper'] - df['fit']) * OFFSET_RATIO
  df['y_up'] = df['y'] + (df['upper'] - df['fit']) * OFFSET_RATIO
  

• 按固定顺序绘图，避免打乱点位顺序
  绘图顺序严格遵循「底图→双Voronoi图层→配对连线→散点标注」，连线时逐行读取同一条记录的两对坐标，不要对点位数组做排序类操作。同时自动适配坐标轴范围，解决点位出界问题。

  # 生成两套Voronoi网格
  vor_low = Voronoi(df[['x_low', 'y_low']].values)
  vor_up = Voronoi(df[['x_up', 'y_up']].values)
  
  fig, ax = plt.subplots(figsize=(10, 10), dpi=100)
  # 叠加两层不同配色的Voronoi填充
  voronoi_plot_2d(vor_low, ax=ax, show_vertices=False, line_width=0, point_size=0,
                  face_colors='#a6cfff', alpha=0.6)
  voronoi_plot_2d(vor_up, ax=ax, show_vertices=False, line_width=0, point_size=0,
                  face_colors='#ffb3b3', alpha=0.6)
  
  # 逐行绘制配对连线，不会出现错位
  for _, row in df.iterrows():
      # 蓝点（上下偏移点）和绿点（fit原始点）的连线
      ax.plot([row['x_low'], row['x']], [row['y_low'], row['y']], color='#666666', linewidth=0.7, zorder=2)
      ax.plot([row['x_up'], row['x']], [row['y_up'], row['y']], color='#666666', linewidth=0.7, zorder=2)
  
  # 绘制散点
  ax.scatter(df['x_low'], df['y_low'], color='#165dff', s=12, zorder=3, label='lower/upper偏移点位')
  ax.scatter(df['x_up'], df['y_up'], color='#165dff', s=12, zorder=3)
  ax.scatter(df['x'], df['y'], color='#00b42a', s=18, zorder=4, label='fit值点位')
  
  # 自动适配坐标轴范围，避免点位出界
  x_min = df[['x_low', 'x_up', 'x']].min().min() * 0.95
  x_max = df[['x_low', 'x_up', 'x']].max().max() * 1.05
  y_min = df[['y_low', 'y_up', 'y']].min().min() * 0.95
  y_max = df[['y_low', 'y_up', 'y']].max().max() * 1.05
  ax.set_xlim(x_min, x_max)
  ax.set_ylim(y_min, y_max)
  
  ax.legend()
  plt.show()
  

避坑提示 #

不要在坐标数组生成后单独做排序、筛选，生成Voronoi网格和点位前，如果需要过滤异常值、去重，必须先在原始DataFrame上完成操作，再计算偏移坐标，否则会破坏行级配对关系，导致连线错位。如果点位聚拢效果不符合预期，直接调整OFFSET_RATIO参数即可，不需要改动核心逻辑。

内容的提问来源于stack exchange，提问作者Dollar Tune-bill