如何生成沿曲线点间距均衡的数组xx与yy（通用方法）

你遇到的问题本质是按x轴均匀取点不等于按曲线弧长均匀取点——对于像1/x这类非线性强的函数，x轴上的均匀间隔会导致曲线陡峭区域的点极度稀疏，平缓区域点过度密集。要让曲线上相邻点的实际间距（弧长）保持相近，核心思路是基于曲线的弧长参数化来生成采样点。

通用实现步骤 #

核心逻辑是：先计算曲线从起点到每个x的累积弧长，再在弧长维度上均匀取点，最后反推对应的x值。这样得到的x采样点对应的曲线上点，弧长间距会均匀一致。

代码示例（以1/x为例） #

import numpy as np
from scipy.integrate import cumtrapz
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt

# 定义目标函数及其导数
def f(x):
    return 1.0 / x

def df_dx(x):
    return -1.0 / (x**2)

# 1. 生成足够密集的初始x点，用于计算累积弧长
x_dense = np.linspace(0.1, 10, 10000)
# 2. 计算每个点的弧长元素：ds = sqrt(1 + (f'(x))²) dx
ds = np.sqrt(1 + df_dx(x_dense)**2)
# 3. 计算从起点开始的累积弧长
s_cumulative = np.concatenate([[0], cumtrapz(ds, x_dense)])
total_arc_length = s_cumulative[-1]

# 4. 在弧长维度上均匀取点
num_samples = 1000
s_uniform = np.linspace(0, total_arc_length, num_samples)
# 5. 反推对应的x值（利用插值，因为累积弧长和x是单调映射）
x_uniform = interp1d(s_cumulative, x_dense, kind='linear')(s_uniform)
# 6. 计算对应的y值
y_uniform = f(x_uniform)

# 对比两种采样效果
plt.figure(figsize=(12, 6))
plt.subplot(1, 2, 1)
plt.plot(np.linspace(0.1, 10, 1000), 1.0/np.linspace(0.1, 10, 1000), color='#1f77b4')
plt.title('x轴均匀采样')
plt.xlabel('x')
plt.ylabel('y=1/x')

plt.subplot(1, 2, 2)
plt.plot(x_uniform, y_uniform, color='#ff7f0e')
plt.title('弧长均匀采样')
plt.xlabel('x')
plt.ylabel('y=1/x')

plt.tight_layout()
plt.show()

扩展适配（无解析导数的情况） #

如果目标函数的解析导数难以求出，可以用数值导数代替：

# 用数值梯度计算导数
y_dense = f(x_dense)
df_dx_num = np.gradient(y_dense, x_dense)
ds = np.sqrt(1 + df_dx_num**2)

后续步骤和之前完全一致，这个方法适用于绝大多数可数值计算的函数。

效果说明 #

用弧长均匀采样后，1/x曲线左侧陡峭区域的采样点会明显增多，右侧平缓区域点会相应减少，整条曲线上相邻点的实际间距（沿曲线的距离）基本一致，解决了分布不均的问题。

内容的提问来源于stack exchange，提问作者Erel Segal-Halevi