如何在python中以clokwise方向排列大量2d坐标列表？

我想使用python按顺时针方向排列2d坐标列表。我发现了类似的Q&A，对于小规模的数据来说效果很好。我有一个大约200k点的坐标列表，并试图执行相同的代码，但无法执行

    from functools import reduce
    import operator
    import math

    coords = [(1,1),(3,2),...] # Around 200k points    
    coords = list(dict.fromkeys(coords))
    center = tuple(map(operator.truediv, functools.reduce(lambda x, y: map(operator.add, x, y), coords), [len(coords)] * 2))
    final_list = (sorted(coords, key=lambda coord: (-135 - math.degrees(math.atan2(*tuple(map(operator.sub, coord, center))[::-1]))) % 360))          

---

在上述代码中，无法计算中心和程序自动退出。对于保存和计算大量坐标列表，有什么需要更改的吗？

一种方法是首先通过角度参数化坐标。 像这样：

centroid = sum(points)/len(points)
angles = map(lambda x: -atan2(x[1], x[0]), points)
tuples_to_sort = zip(angles, points)
sorted_points = map(lambda x: x[1], sorted(tuples_to_sort))

这是因为： 1.角度只是从原点来的角度。 2.我们构造了一个元组列表，其中第一个元素是角度，第二个元素是点。我们这样做是为了以后对它进行排序，而元组排序是在元素对元素的基础上执行的，因此它将根据角度进行排序。 3.我们得到了我们想要的原始点

但是，您的意思是可能存在性能问题，因此您可以尝试使用numpy进行计算。Numpy速度更快，因为它在引擎盖下使用了较低级别的概念，并针对高效的阵列计算进行了优化。下面是上面使用numpy编写的简单版本

import numpy as np

coords = np.array(coords)
center = coords.mean(axis=0)
centered = coords - center
angles = -np.arctan2(centered[:,1], centered[:,0])
sorted_coords = coords[np.argsort(angles)]
result = coords + center

---

显然，您可以使它更简洁，并为变量提供更合适的名称，但它应该可以工作，并且应该更快一点。

它怎么会失败？你能提供一个模拟值吗？我很高兴它有帮助！