从粒度分布曲线获取指定Y值对应X轴值，np.interp函数失效求助

问题原因 #

np.interp() 要求用于插值的x参数必须是单调递增序列，但你的df2.p_finer是从100递减到0的单调序列，这导致插值函数无法正常工作。

修正后的完整代码 #

from pandas import DataFrame
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

data = {'opening': [4.75, 2, 0.850, 0.425, 0.250, 0.150, 0.075],
        'mass_retained': [0, 10.7, 14.3, 20.8, 23.8, 15.7, 9.2]}

df = DataFrame(data)

def calculate_percent_finer(df):
    total_mass = df.mass_retained.sum()
    arr = []
    for count, sieve in enumerate(df.opening.values):
        cumulative_mass = sum(df.mass_retained.values[:count+1])
        percent_finer = ((total_mass - cumulative_mass) / total_mass) * 100
        arr.append(percent_finer)
    return df.assign(p_finer=arr)

df2 = calculate_percent_finer(df)

# 按p_finer升序排序，得到单调递增序列，满足np.interp要求
df_sorted = df2.sort_values(by='p_finer').reset_index(drop=True)

# 计算D10、D50、D90（对应Y=10、50、90的粒度值）
target_percents = [10, 50, 90]
grain_sizes = np.interp(target_percents, df_sorted.p_finer, df_sorted.opening)
D10, D50, D90 = grain_sizes
print(f"D10: {D10:.3f} mm, D50: {D50:.3f} mm, D90: {D90:.3f} mm")

# 绘制粒度分布曲线
plt.style.use('bmh')
plt.plot(df2.opening, df2.p_finer, '-gD', label='Grain Size Distribution')
plt.gca().invert_xaxis()

# 绘制Y=10、50、90的水平线及对应粒度垂直线
colors = ['r', 'b', 'orange']
for p, gs, c in zip(target_percents, grain_sizes, colors):
    plt.axhline(y=p, color=c, linestyle='--', alpha=0.7, label=f'{p}% Passing')
    plt.axvline(x=gs, color=c, linestyle=':', alpha=0.7)
    # 标记交点
    plt.scatter(gs, p, color=c, s=50, zorder=5)
    # 添加数值标签
    plt.text(gs*1.1, p+2, f'{gs:.3f} mm', color=c)

plt.xlabel('Grain Size (mm)')
plt.ylabel('Percent Passing')
plt.legend()
plt.tight_layout()
plt.show()

关键说明 #

• 对df2按p_finer升序排序，确保np.interp()的x参数为单调递增序列，保证插值结果准确。
• 使用axhline()绘制水平参考线，axvline()绘制对应粒度的垂直参考线，配合散点和文本标签直观展示对应关系。
• 输出的D10、D50、D90值是插值得到的精确粒度，符合土工试验中粒度特征值的计算逻辑。

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