图表多线拟合及直线交点位置计算求助（附Python代码）

你的代码核心问题是每次都用全部数据集做拟合，导致三条线完全重合，根本没实现分段多线拟合；计算交点时也重复用同一组系数，结果毫无意义。要实现你想要的分段拟合+交点计算，得按以下步骤修改：

修正思路 #

1. 先根据对数图的趋势，把数据分成多个区间（比如3段）
2. 对每个区间的子数据单独做对数空间的线性拟合
3. 计算相邻拟合直线的交点，再转换回原始坐标空间

完整可运行代码 #

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

# 读取数据
dfn = pd.read_csv('input.csv')
x = dfn['X']
y = dfn['Y']

# 转换为对数坐标
log_x = np.log(x)
log_y = np.log(y)

# --------------------------
# 第一步：手动指定分段阈值（根据你的图调整）
# 这里示例用x的分位数，你可以换成自己需要的阈值
x_thresholds = np.quantile(x, [0.33, 0.66])  # 把数据分成3段
log_x_thresholds = np.log(x_thresholds)
# --------------------------

# 初始化存储拟合系数的列表
coefs = []

# 绘制原始散点图
plt.scatter(log_x, log_y, label='原始数据', alpha=0.6)

# 分段拟合并绘图
# 第一段：x <= 第一个阈值
mask1 = x <= x_thresholds[0]
coef1 = np.polyfit(log_x[mask1], log_y[mask1], 1)
poly1 = np.poly1d(coef1)
plt.plot(log_x[mask1], poly1(log_x[mask1]), 'r--', label=f'分段1: y={np.exp(coef1[1]):.2f}*x^{coef1[0]:.2f}')
coefs.append(coef1)

# 第二段：第一个阈值 < x <= 第二个阈值
mask2 = (x > x_thresholds[0]) & (x <= x_thresholds[1])
coef2 = np.polyfit(log_x[mask2], log_y[mask2], 1)
poly2 = np.poly1d(coef2)
plt.plot(log_x[mask2], poly2(log_x[mask2]), 'g--', label=f'分段2: y={np.exp(coef2[1]):.2f}*x^{coef2[0]:.2f}')
coefs.append(coef2)

# 第三段：x > 第二个阈值
mask3 = x > x_thresholds[1]
coef3 = np.polyfit(log_x[mask3], log_y[mask3], 1)
poly3 = np.poly1d(coef3)
plt.plot(log_x[mask3], poly3(log_x[mask3]), 'b--', label=f'分段3: y={np.exp(coef3[1]):.2f}*x^{coef3[0]:.2f}')
coefs.append(coef3)

# --------------------------
# 计算交点
intersection_points = []
for i in range(len(coefs)-1):
    # 取出相邻两条线的系数：log(y) = m1*log(x) + b1 ； log(y) = m2*log(x) + b2
    m1, b1 = coefs[i]
    m2, b2 = coefs[i+1]
    
    # 求解交点的log(x)：m1*logx + b1 = m2*logx + b2
    if m1 == m2:
        print(f"第{i+1}和{i+2}条线平行，无交点")
        continue
    log_x_intersect = (b2 - b1) / (m1 - m2)
    log_y_intersect = m1 * log_x_intersect + b1
    
    # 转换回原始坐标
    x_intersect = np.exp(log_x_intersect)
    y_intersect = np.exp(log_y_intersect)
    intersection_points.append((x_intersect, y_intersect))
    # 在图上标记交点
    plt.scatter(log_x_intersect, log_y_intersect, color='k', s=50, zorder=10)

# 保存交点数据
intersection_df = pd.DataFrame(intersection_points, columns=['X', 'Y'])
intersection_df.to_csv('intersection_points.csv', index=False)
print("交点数据已保存：")
print(intersection_df)

# 美化图表
plt.xlabel('log(X)')
plt.ylabel('log(Y)')
plt.legend()
plt.grid(alpha=0.3)
plt.show()

关键说明 #

• 分段阈值调整：示例用了x的分位数自动分段，你可以根据自己的图手动指定阈值（比如x_thresholds = [10, 100]），确保每个分段的趋势符合线性
• 交点计算逻辑：在对数空间求解两条直线的交点，再通过np.exp()转换回原始坐标
• 平行判断：如果两条线斜率相同，说明平行无交点，代码会跳过并提示

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