为何运行相同Python SymPy绘图代码每次得到不同图像？

问题复现 #

在Linux Mint 21.2、Python 3.10环境下运行SymPy 1.9的绘图代码：

import sympy
print(sympy.__version__) # '1.9'
from sympy import symbols, sin
from sympy.plotting import plot
t = symbols('t')
plotP = plot(50*sin(t/30)+30*sin(1.3*t/30)+20*sin(2.7*t/30)+25*sin(3.7*t/30), (t, 24800, 35800))

出现的异常现象：

• 每次运行生成的图像形态都有差异
• 升级SymPy、matplotlib版本或改用shell执行脚本，问题仍存在
• 切换为0-400这类小区间绘图时，结果完全一致，图像平滑无异常

核心原因 #

1. 自适应采样的随机性
   SymPy的plot函数默认采用自适应采样逻辑：先在区间内取少量初始点，再根据曲线波动程度动态补充采样点。但在跨度11000的大区间下，函数包含多个不同频率的正弦项，高频项的峰值间距（比如3.7*t/30的周期约为50.6）远小于初始采样点的间隔，导致每次采样捕捉到的峰值位置存在随机性，最终绘制的曲线形态出现差异。

2. 大数值下的浮点精度误差
   当t取值达到2万以上时，t/30这类大数值无法被浮点数精确表示，计算正弦函数时会产生微小的精度偏差。多个正弦项的偏差叠加后，会放大为曲线整体形态的差异，这也是每次绘图结果不同的诱因之一。

3. 小区间的稳定逻辑
   在0-400的小区间里，采样点密度足够覆盖所有正弦项的周期，且t数值小，浮点精度误差可以忽略，自适应采样能稳定捕捉曲线特征，因此每次绘图结果完全一致。

稳定绘图的解决思路 #

如果需要大区间下的稳定绘图结果，可以尝试两种方式：

• 关闭自适应采样，手动指定足够多的采样点：

  plotP = plot(50*sin(t/30)+30*sin(1.3*t/30)+20*sin(2.7*t/30)+25*sin(3.7*t/30), (t, 24800, 35800), adaptive=False, nb_of_points=10000)
  

• 将符号函数转换为数值函数，直接用matplotlib控制采样精度：

  import numpy as np
  import matplotlib.pyplot as plt
  t_vals = np.linspace(24800, 35800, 20000)
  f = lambda t: 50*np.sin(t/30)+30*np.sin(1.3*t/30)+20*np.sin(2.7*t/30)+25*np.sin(3.7*t/30)
  plt.plot(t_vals, f(t_vals))
  plt.show()
  

内容的提问来源于stack exchange，提问作者user7711283