不同采样点下采样数据均值的绘制方法咨询

问题背景 #

需要绘制多组采样数据的均值曲线，但各组对应的采样点x并不重合，且x取值范围限定在0到1之间。给定的示例代码如下：

import matplotlib.pyplot as plt

x1 = [0.1, 0.2, 0.4, 0.6, 0.75, 0.9]
x2 = [0, 0.14, 0.53, 0.6, 0.81, 0.9, 0.98]

y1 = [1, 4, 6, 5, 5, 3]
y2 = [3, 4, 7, 9, 7, 4, 2]

plt.plot(x1, y1, marker='o')
plt.plot(x2, y2, marker='x')
plt.grid()
plt.xlabel('x')
plt.ylabel('y')
plt.show()

以下是几种符合Python风格的优雅实现方式，包含插值方案和更优替代方案：

一、插值统一x轴（标准方案） #

如果需要严格对齐x轴后计算均值，用numpy.interp或scipy.interp1d实现是最直接且Pythonic的方式。可以封装成通用函数处理多组数据：

实现代码 #

import numpy as np
import matplotlib.pyplot as plt

# 定义通用插值函数
def interpolate_and_average(x_list, y_list, num_points=100):
    # 生成统一的x轴（0到1之间均匀采样）
    x_uniform = np.linspace(0, 1, num_points)
    # 对每组数据插值
    y_interpolated = [np.interp(x_uniform, x, y) for x, y in zip(x_list, y_list)]
    # 计算均值
    y_mean = np.mean(y_interpolated, axis=0)
    return x_uniform, y_mean

# 准备数据
x_data = [x1, x2]
y_data = [y1, y2]

# 计算插值后的均值曲线
x_uniform, y_mean = interpolate_and_average(x_data, y_data)

# 绘图
plt.plot(x1, y1, marker='o', alpha=0.5, label='Dataset 1')
plt.plot(x2, y2, marker='x', alpha=0.5, label='Dataset 2')
plt.plot(x_uniform, y_mean, color='red', linewidth=2, label='Mean Curve')
plt.grid()
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()

优势 #

• 逻辑清晰，代码简洁，符合Python的函数式编程风格
• 可以灵活控制采样点数，平衡精度和效率
• 支持扩展到任意多组数据

二、无需统一x轴的替代方案 #

如果不需要强制对齐x点，而是想要更平滑的均值趋势，可以用核密度估计（KDE）或局部加权回归（LOWESS），这类方法更适合数据分布有规律的场景：

1. 核密度估计（KDE）平滑均值 #

利用KDE对所有(x,y)点进行加权，生成平滑的均值曲线：

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde

# 合并所有数据点
all_x = np.concatenate([x1, x2])
all_y = np.concatenate([y1, y2])

# 生成KDE模型，计算每个x点的加权均值
x_uniform = np.linspace(0, 1, 100)
kde = gaussian_kde(np.vstack([all_x, all_y]))

# 计算每个x对应的y均值（通过KDE加权）
y_mean = []
for x in x_uniform:
    # 固定x，采样y的条件分布
    y_samples = kde.resample(size=1000, seed=42)[1]
    y_mean.append(np.mean(y_samples))

# 绘图
plt.plot(x1, y1, marker='o', alpha=0.5, label='Dataset 1')
plt.plot(x2, y2, marker='x', alpha=0.5, label='Dataset 2')
plt.plot(x_uniform, y_mean, color='green', linewidth=2, label='KDE Mean Curve')
plt.grid()
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()

2. 局部加权回归（LOWESS） #

用LOWESS拟合所有数据点，得到平滑的趋势线，本质是局部区域内的加权均值：

import numpy as np
import matplotlib.pyplot as plt
from statsmodels.nonparametric.smoothers_lowess import lowess

# 合并所有数据点
all_x = np.concatenate([x1, x2])
all_y = np.concatenate([y1, y2])

# 用LOWESS拟合
lowess_result = lowess(all_y, all_x, frac=0.3)  # frac控制平滑程度
x_smooth = lowess_result[:, 0]
y_smooth = lowess_result[:, 1]

# 绘图
plt.plot(x1, y1, marker='o', alpha=0.5, label='Dataset 1')
plt.plot(x2, y2, marker='x', alpha=0.5, label='Dataset 2')
plt.plot(x_smooth, y_smooth, color='blue', linewidth=2, label='LOWESS Mean Curve')
plt.grid()
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()

优势 #

• 不需要强制插值，保留原始数据的分布特征
• 生成的曲线更平滑，适合展示整体趋势
• 对数据中的噪声有一定的鲁棒性

方案选择建议 #

• 如果需要精确对齐x点并计算均值，优先选择插值方案
• 如果更关注整体趋势的平滑展示，且数据分布有规律，建议用KDE或LOWESS
• 多组数据量较大时，插值方案的效率更高；数据量较小时，KDE/LOWESS的效果更自然

内容的提问来源于stack exchange，提问作者Isotope