多段不同点数实验曲线的平均曲线求解方法问询

核心思路 #

要得到有实验依据的平均曲线，关键是避免无意义的外插（短曲线强行延伸的直线没有实验数据支撑），同时保证所有参与平均的y值对应相同的x坐标。推荐两种实用方法：

方法一：共同x区间插值法 #

只在所有曲线都覆盖的x区间内计算平均，确保每一点都有原始实验数据支持。

代码实现 #

import numpy as np
import matplotlib.pyplot as plt

# 假设displacement是各曲线的x数组列表，ys是对应的y数组列表
# 1. 确定共同x区间：取所有曲线x最大值中的最小值，确保区间内所有曲线都有数据
min_max_x = min([x[-1] for x in displacement])
# 生成统一的均匀x网格（点数可根据需求调整）
common_x = np.linspace(0, min_max_x, 1000)

# 2. 对每条曲线在共同区间内插值
interpolated_ys = []
for x, y in zip(displacement, ys):
    # 过滤出共同区间内的原始数据（可选，避免np.interp自动取边界值）
    mask = x <= min_max_x
    filtered_x = x[mask]
    filtered_y = y[mask]
    # 插值到统一x网格
    interp_y = np.interp(common_x, filtered_x, filtered_y)
    interpolated_ys.append(interp_y)

# 3. 计算平均曲线
average_y = np.mean(interpolated_ys, axis=0)

# 4. 可视化
plt.figure(figsize=(10,6))
# 绘制原始曲线（半透明展示）
for x, y in zip(displacement, ys):
    plt.plot(x, y, alpha=0.5, label='Original Curve')
# 绘制平均曲线
plt.plot(common_x, average_y, color='red', linewidth=2, label='Average Curve')
plt.xlabel('Displacement')
plt.ylabel('Response')
plt.legend()
plt.show()

适用场景 #

需要保留绝对x值，且关注曲线在共同实验范围内的平均表现时使用。

方法二：x轴归一化插值法 #

如果更关注曲线的相对形状而非绝对x范围，可以将每条曲线的x轴归一化到[0,1]区间，再统一插值计算平均。

代码实现 #

import numpy as np
import matplotlib.pyplot as plt

# 假设displacement是各曲线的x数组列表，ys是对应的y数组列表
# 1. 生成归一化的统一x网格
normalized_x = np.linspace(0, 1, 1000)

# 2. 对每条曲线做x归一化后插值
interpolated_ys_norm = []
for x, y in zip(displacement, ys):
    # 将当前曲线的x归一化到[0,1]
    x_norm = x / x[-1]
    # 插值到归一化x网格
    interp_y = np.interp(normalized_x, x_norm, y)
    interpolated_ys_norm.append(interp_y)

# 3. 计算平均曲线
average_y_norm = np.mean(interpolated_ys_norm, axis=0)

# 4. 可视化
plt.figure(figsize=(10,6))
# 绘制归一化后的原始曲线
for x, y in zip(displacement, ys):
    plt.plot(x/x[-1], y, alpha=0.5, label='Normalized Original')
# 绘制平均曲线
plt.plot(normalized_x, average_y_norm, color='red', linewidth=2, label='Average Normalized Curve')
plt.xlabel('Normalized Displacement (0 to 1)')
plt.ylabel('Response')
plt.legend()
plt.show()

适用场景 #

各曲线x最大值差异是实验误差导致，或只需要分析曲线相对变化趋势时使用。

你之前方法的问题分析 #

1. 第一种方法用平均x最大值作为统一区间上限，导致短曲线需要外插（np.interp在x超出原始范围时会用直线延伸边界值），这部分数据完全是推测，没有实验依据。
2. 第二种方法每条曲线插值到各自的x范围后，直接对x数组取平均——不同曲线的x点位置不对应，平均后的x坐标没有物理意义，最终得到的平均曲线会失真。

内容的提问来源于stack exchange，提问作者klv.anton