将行坐标数据转换为元组列表实现DataFrame多形状轮廓同图绘制

前置假设 #

默认你的DataFrame坐标列命名规则为x1, y1, x2, y2 ... x10, y10，如果你的列名规则不同，只需调整后续代码中的坐标提取逻辑即可。
你需要的最终效果可参考下图：
#

基础实现方案（仅依赖pandas+matplotlib） #

无需安装额外第三方库，直接遍历每行数据生成轮廓绘制即可：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.patches import Polygon

# 1. 创建画布和坐标轴
fig, ax = plt.subplots(figsize=(8, 8))
# 设置坐标轴等比例，避免形状被拉伸
ax.set_aspect('equal')

# 2. 遍历每行数据绘制轮廓
for _, row in df.iterrows():
    # 提取10组坐标点
    coords = []
    for i in range(1, 11):
        coords.append((row[f'x{i}'], row[f'y{i}']))
    # 追加第一个坐标点实现轮廓闭合
    coords.append(coords[0])
    
    # 创建多边形轮廓，可自定义样式参数
    poly = Polygon(
        coords,
        closed=True,
        edgecolor='black', # 轮廓颜色
        facecolor='none',  # 不填充内部，仅绘制轮廓
        linewidth=1        # 轮廓线宽
    )
    ax.add_patch(poly)

# 3. 自动适配坐标轴范围并显示
ax.autoscale()
plt.show()

更优方案（基于geopandas，适合大量数据场景） #

如果你的数据量较大，或者后续需要对形状做空间计算，推荐用geopandas实现，代码更简洁，绘制性能更高：

import pandas as pd
import matplotlib.pyplot as plt
import geopandas as gpd
from shapely.geometry import Polygon

# 1. 定义行转多边形的函数
def row_to_shape(row):
    coords = [(row[f'x{i}'], row[f'y{i}']) for i in range(1, 11)]
    return Polygon(coords)

# 2. 生成GeoDataFrame
gdf = gpd.GeoDataFrame(
    df,
    geometry=df.apply(row_to_shape, axis=1)
)

# 3. 一次性批量绘制所有轮廓
ax = gdf.plot(
    edgecolor='black',
    facecolor='none',
    linewidth=1,
    figsize=(8,8)
)
ax.set_aspect('equal')
plt.show()

自定义调整说明 #

• 如果需要区分不同形状，可以在绘制时根据行内的分类字段给每个轮廓设置不同的edgecolor
• 如果坐标点存储顺序不是闭合顺序，只需调整coords列表的拼接逻辑即可
• 如果不需要闭合轮廓，删除追加首坐标的代码，并把Polygon换成LineCollection即可

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