基于Python的正弦曲线绘制：自适应采样点数计算问题

核心原则 #

要画出平滑且准确的正弦曲线，采样需满足每个周期至少采集10~20个点（远高于奈奎斯特定理的2点要求，保证绘图视觉平滑）。这是通用计算的基础。

原代码问题分析 #

1. 公式逻辑错误：之前参考的Δt ≤ 1/(5ω)公式中，ω是角频率（ω=2πf），换算成频率f应该是Δt ≤ 1/(10πf)，但原代码用floor取整会强行拉大采样间隔——比如f=2Hz时，计算出的Δt被取整为1秒，300秒仅采300个点，对应每个周期仅0.5个点，完全无法还原600个周期的正弦波。
2. 低频场景适配失效：当频率极低（如0.02Hz），原取整逻辑会导致采样点数严重不足，无法完整呈现波形形态。

通用计算方法 #

直接按每个周期采样点数来推导，步骤清晰且适配全频率范围：

• 设定每个周期的采样点数（推荐10~20，兼顾平滑度与计算效率）
• 总周期数 = 频率(frequency) × 总时长(total_duration)
• 总采样点数 = 总周期数 × 每个周期采样点数 + 1（+1是因为np.linspace包含首尾两个端点，保证时间序列完整覆盖）

修正后完整代码 #

import numpy as np
import matplotlib.pyplot as plt

# 参数配置
frequency = 2  # 目标频率（单位：Hz）
total_duration = 300  # 绘图总时长（单位：秒）
samples_per_cycle = 15  # 每个周期采样点数，可根据需求调整为10~20

# 计算总采样点数
total_cycles = frequency * total_duration
num_points = int(total_cycles * samples_per_cycle) + 1

# 生成时间序列与正弦曲线
t = np.linspace(0, total_duration, num_points)
sine_t = np.sin(2 * np.pi * frequency * t)

# 绘图展示
plt.plot(t, sine_t, color='red')
plt.title(f"{frequency}Hz 正弦曲线（时长{total_duration}秒）")
plt.xlabel("时间（秒）")
plt.ylabel("幅值")
plt.show()

场景验证说明 #

• 当频率为0.02Hz、总时长300秒时，总周期数为6，按15点/周期计算，总点数为91，足够平滑呈现完整波形。
• 当频率为2Hz、总时长300秒时，总周期数为600，总点数为9001，能完美还原600个周期的正弦曲线形态。
• 可根据需求调整samples_per_cycle：追求极致平滑设为20，追求计算效率设为10。

内容的提问来源于stack exchange，提问作者skm