numpy卷积结果偏移求助：mode='same'时位置不符合预期

我使用Python的numpy.convolve对两个概率分布图执行卷积运算，为了和原始分布对比选择了mode='same'参数，但实际结果位置不符合预期：按数学逻辑，卷积峰值应处于两个分布之间或更大的x值位置，实际却发生了偏移。切换到mode='full'模式时，卷积的x轴位置符合预期，但由于绘图模块healpy对数组长度有特定要求，必须使用mode='same'，因此需要修正该模式下的位置偏移问题。

测试复现代码 #

import numpy as np
import matplotlib.pyplot as plt

mu1=2
sigma1=1
mu2=1
sigma2=0.5
x=np.linspace(-7, 7, num=1000)

p = np.exp(-0.5 * ((x - mu1) / sigma1)**2) / (sigma1 * np.sqrt(2 * np.pi))
p /=np.sum(p)
q = np.exp(-0.5 * ((x - mu2) / sigma2)**2) / (sigma2 * np.sqrt(2 * np.pi))
q /=np.sum(q)

c=np.convolve(p, q, mode='full')
c2=np.convolve(p, q, mode='same')

plt.plot(x, p, label='p')
plt.plot(x, q, label='q')
plt.plot(np.linspace(-7, 7, num=len(c)), c, label='Convolution of p and q mode=\'full\'')
plt.plot(x, c2, label='Convolution of p and q with mode=\'same\'')
plt.legend()

问题原因与修正方法 #

核心原因 #

numpy.convolve的mode='same'是从数组索引中心截取与输入等长的结果，而非基于x轴物理位置的中心。当原始分布的均值不在x轴中心时，截取结果会出现偏移。另外，测试代码中给mode='full'的卷积强制映射到-7~7区间也是错误的——数学上两个分布卷积的x轴范围应为[x_min_p+x_min_q, x_max_p+x_max_q]，原代码的压缩只是巧合让峰值位置看起来正确。

具体修正步骤 #

1. 计算mode='full'的正确x轴范围
   卷积的每个元素对应原始分布的x值之和，因此正确的x轴起始为x[0]+x[0]，步长与原数组一致：

   dx = x[1] - x[0]
   x_full = x[0] + x[0] + np.arange(len(c)) * dx
   

2. 推导mode='same'对应的x轴位置
   mode='same'的结果是从mode='full'的结果中截取中间段，找到截取的起始索引后，即可生成对应的正确x轴：

   start_idx = (len(c) - len(x)) // 2
   x_same = x_full[start_idx : start_idx + len(x)]
   

3. 修正后的完整代码

   import numpy as np
   import matplotlib.pyplot as plt
   
   mu1=2
   sigma1=1
   mu2=1
   sigma2=0.5
   x=np.linspace(-7, 7, num=1000)
   dx = x[1] - x[0]
   
   p = np.exp(-0.5 * ((x - mu1) / sigma1)**2) / (sigma1 * np.sqrt(2 * np.pi))
   p /=np.sum(p)
   q = np.exp(-0.5 * ((x - mu2) / sigma2)**2) / (sigma2 * np.sqrt(2 * np.pi))
   q /=np.sum(q)
   
   c=np.convolve(p, q, mode='full')
   c2=np.convolve(p, q, mode='same')
   
   # 生成正确的full卷积x轴
   x_full = x[0] + x[0] + np.arange(len(c)) * dx
   # 生成same卷积对应的正确x轴
   start_idx = (len(c) - len(x)) // 2
   x_same = x_full[start_idx : start_idx + len(x)]
   
   plt.plot(x, p, label='p')
   plt.plot(x, q, label='q')
   plt.plot(x_full, c, label='Convolution (mode=\'full\')')
   plt.plot(x_same, c2, label='Convolution (mode=\'same\')')
   plt.legend()
   plt.show()
   

修正后，mode='same'的卷积结果x轴位置会完全符合数学预期，同时保持数组长度满足healpy的要求。

内容的提问来源于stack exchange，提问作者Jacob Ayre