如何对不同长度的x、y序列求均值以绘制统一图表？

因为不同运行生成的x序列长度、采样点都不统一，直接按位置求均值没有意义。核心思路是先统一x轴，再把所有y值插值到这个统一轴上，最后求均值，具体步骤和代码如下：

实现方案 #

1. 确定统一的目标x轴（适配对数尺度） #

先找出所有x数据的全局范围，然后用对数间隔生成一组均匀的目标x点——这比线性间隔更贴合你的对数尺度需求。

2. 插值对齐所有y序列 #

对每一次运行的y值，根据其对应的x值，插值到目标x轴上，确保所有y序列长度一致。

3. 计算均值并绘图 #

把所有插值后的y序列按位置求均值，得到最终的平均曲线，再结合目标x轴绘图。

完整代码示例 #

import numpy as np
import matplotlib.pyplot as plt

def algorithm():
    """生成等长但每次长度不同的x、y序列，适配对数尺度调整x为正"""
    length = np.random.randint(low=18, high=22)
    x_values = np.abs(np.random.randn(length)) * 10  # 确保x为正，适配对数尺度
    y_values = 2*x_values + 1
    return x_values, y_values

n_runs = 10
results = [algorithm() for _ in range(n_runs)]
list_x_values = [res[0] for res in results]
list_y_values = [res[1] for res in results]

# 步骤1：生成统一的对数尺度目标x轴
all_x = np.concatenate(list_x_values)
x_min, x_max = all_x.min(), all_x.max()
# 生成50个对数间隔的点，数量可按需调整
target_x = np.logspace(np.log10(x_min), np.log10(x_max), num=50)

# 步骤2：对每组y进行插值对齐
interpolated_ys = []
for x, y in zip(list_x_values, list_y_values):
    # 插值要求x单调，所以先对当前运行的x、y按x排序
    sorted_idx = np.argsort(x)
    sorted_x, sorted_y = x[sorted_idx], y[sorted_idx]
    # 线性插值到目标x，也可替换为scipy的三次样条插值追求平滑
    interpolated_y = np.interp(target_x, sorted_x, sorted_y)
    interpolated_ys.append(interpolated_y)

# 步骤3：计算平均y序列
mean_y = np.array(interpolated_ys).mean(axis=0)

# 绘图展示
plt.figure(figsize=(10,6))
# 绘制所有单次运行的散点（可选）
for x, y in zip(list_x_values, list_y_values):
    plt.scatter(x, y, alpha=0.3, label='单次运行')
# 绘制平均曲线
plt.plot(target_x, mean_y, color='red', linewidth=2, label='平均曲线')
plt.xscale('log')  # 开启对数x轴
plt.xlabel('X（对数尺度）')
plt.ylabel('Y')
plt.legend()
plt.show()

关键细节说明 #

• 对数尺度适配：用np.logspace生成目标x，确保轴上的点在对数尺度下均匀分布；同时必须保证x值为正，对数尺度不支持非正数，实际使用时根据你的真实数据调整x的处理逻辑。
• x排序：插值函数（如np.interp）要求输入的x是单调递增的，所以每次插值前必须对当前运行的x、y按x排序。
• 插值方法选择：
  • np.interp是线性插值，简单高效，适合多数场景；
  • 如果需要更平滑的曲线，可以用scipy.interpolate.interp1d并设置kind='cubic'（三次样条插值），需要先安装scipy库。
• 目标x点数：num=50可根据绘图精度调整，点数越多曲线越平滑，但计算量也会增加。

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