使用Delaunay三角剖分绘制两不等式交集区域时构建异常问题

原代码意图通过Delaunay三角剖分绘制两个不等式的交集区域，但存在核心问题导致剖分无法正确工作，以下是问题梳理与修复方案：

主要问题点 #

• 不等式判断逻辑颠倒：输入要求第一个不等式为F(x,y) > 0、第二个为F(x,y) < 0，但代码中判断条件写为inequality1_result[j, i] < 0 and inequality2_result[j, i] > 0，直接筛选出不符合要求的区域点。
• 冗余网格点破坏均匀性：x_vals中硬拼接了[0]，若输入的x区间不包含0，会引入无效点，打乱网格的均匀分布。
• 密集网格点导致剖分混乱：直接用400×400网格中满足条件的点做Delaunay剖分，点数量可达数万，不仅计算效率低，还会让三角网图形杂乱，无法清晰展示区域轮廓。

修复后的代码 #

针对上述问题调整逻辑、优化网格生成，并增强可视化效果：

import numpy as np
import matplotlib.pyplot as plt
from sympy import symbols, sympify, lambdify, solve
from scipy.spatial import Delaunay

def plot_inequalities(inequality1, inequality2, x_min, x_max, y_min, y_max):
    x, y = symbols('x y')
    # 解析不等式表达式
    try:
        inequality1_expr = sympify(inequality1)
        inequality2_expr = sympify(inequality2)
    except Exception as e:
        print(f"Error: 不等式格式错误 - {str(e)}")
        return

    # 转换为numpy可执行函数
    try:
        F1 = lambdify((x, y), inequality1_expr, 'numpy')
        F2 = lambdify((x, y), inequality2_expr, 'numpy')
    except Exception as e:
        print(f"Error: 编译不等式失败 - {str(e)}")
        return

    # 生成均匀网格（移除冗余的[0]）
    x_vals = np.linspace(x_min, x_max, 200)
    y_vals = np.linspace(y_min, y_max, 200)
    X, Y = np.meshgrid(x_vals, y_vals)

    # 正确筛选满足两个不等式的点
    mask = (F1(X, Y) > 0) & (F2(X, Y) < 0)
    intersection_points = np.column_stack((X[mask], Y[mask]))

    # Delaunay三角剖分与绘制
    if len(intersection_points) >= 3:
        tri = Delaunay(intersection_points)
        # 绘制三角网轮廓
        plt.triplot(intersection_points[:, 0], intersection_points[:, 1], tri.simplices, color='gray', linewidth=0.5)
        # 填充交集区域（可选，增强直观性）
        plt.tripcolor(intersection_points[:, 0], intersection_points[:, 1], tri.simplices, facecolor='lightblue', alpha=0.5)

    # 绘制不等式边界曲线
    x_bound = np.linspace(x_min, x_max, 200)
    # 求解第一个不等式的边界（F1=0）
    sol1 = solve(inequality1_expr, y)[0]
    F_bound1 = lambdify(x, sol1, 'numpy')
    y_bound1 = F_bound1(x_bound)
    # 求解第二个不等式的边界（F2=0）
    sol2 = solve(inequality2_expr, y)[0]
    F_bound2 = lambdify(x, sol2, 'numpy')
    y_bound2 = F_bound2(x_bound)

    plt.plot(x_bound, y_bound1, color='red', label=f"{inequality1} 边界")
    plt.plot(x_bound, y_bound2, color='blue', label=f"{inequality2} 边界")

    # 图形基础设置
    plt.xlabel('x')
    plt.ylabel('y')
    plt.grid(True, alpha=0.3)
    plt.axis('equal')
    plt.xlim(x_min, x_max)
    plt.ylim(y_min, y_max)
    plt.legend()
    plt.show()

# 用户输入交互
print("输入第一个不等式（格式：F(x,y) > 0）：")
inequality1 = input().strip()
print("输入第二个不等式（格式：F(x,y) < 0）：")
inequality2 = input().strip()
print("输入x区间（格式：x_min, x_max）：")
x_min, x_max = map(float, input().strip().split(','))
print("输入y区间（格式：y_min, y_max）：")
y_min, y_max = map(float, input().strip().split(','))

plot_inequalities(inequality1, inequality2, x_min, x_max, y_min, y_max)

修复说明 #

1. 修正判断逻辑：将条件改为(F1(X, Y) > 0) & (F2(X, Y) < 0)，与输入要求的不等式格式匹配。
2. 优化网格生成：移除冗余的[0]，生成均匀的x/y网格，避免无效点干扰。
3. 高效提取点集：利用numpy布尔掩码直接筛选满足条件的点，替代嵌套循环，提升运行效率。
4. 增强可视化：添加边界曲线绘制和区域填充，让交集区域更清晰；同时缩小网格密度（从400改为200），减少剖分点数量，避免图形混乱。
5. 完善错误提示：捕获异常并输出具体错误信息，便于调试排查。

测试示例：输入y - x > 0和y - x**2 < 0，x区间0, 2，y区间0, 2，即可正确展示两条曲线之间的交集区域。

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