如何绘制依赖于二值时间函数的分段动态函数？

你的需求核心是基于原0/1状态函数，分段计算依赖前一段结果的红色曲线，以下是具体实现方案：

核心思路 #

因为红色曲线的计算依赖前一段的最终值t0，无法通过纯向量化操作一次性完成，必须按状态区间逐段计算并传递t0，步骤如下：

• 提取原函数状态切换的时间点，将整个时间轴分割为连续的、状态一致的区间
• 对每个区间，根据当前状态（0或1）使用对应公式计算曲线值
• 更新t0为当前区间的最终值，用于下一段计算

完整代码实现 #

1. 生成原函数（蓝色曲线）

先将字符串格式的区间解析为数值，再生成0/1取值的原函数：

import numpy as np
import matplotlib.pyplot as plt

# 替换为你的实际区间列表
values = ["10到20", "30到40"]
# 解析区间字符串为数值对
parsed_intervals = []
for interval_str in values:
    v1, v2 = map(float, interval_str.split("到"))
    parsed_intervals.append((v1, v2))

# 生成时间轴与原函数y
t = np.linspace(0, 48, 1000)
y = np.zeros(len(t))
for v1, v2 in parsed_intervals:
    y[(t >= v1) & (t <= v2)] = 1

2. 计算红色曲线

通过识别状态切换点分割区间，逐段计算并传递t0：

# 找到状态变化的索引位置
y_diff = np.diff(y)
change_indices = np.where(y_diff != 0)[0] + 1  # 对应原数组中状态切换的起始索引
# 拼接首尾索引，形成完整的区间分割点
segment_boundaries = np.concatenate([[0], change_indices, [len(t)]])

y_red = np.zeros(len(t))
t0 = 0  # 初始t0，可根据需求调整

for i in range(len(segment_boundaries) - 1):
    start_idx = segment_boundaries[i]
    end_idx = segment_boundaries[i+1]
    t_segment = t[start_idx:end_idx]
    current_state = y[start_idx]
    
    # 根据当前状态计算区间内的红色曲线值
    if current_state == 0:
        y_red[start_idx:end_idx] = t0 + 2 * t_segment + 100
    else:
        y_red[start_idx:end_idx] = t0 + 2 * t_segment - 100
    
    # 更新t0为当前区间的最后一个值
    t0 = y_red[end_idx - 1]

3. 绘图展示

plt.figure(figsize=(10, 6))
plt.plot(t, y, color="blue", label="原函数")
plt.plot(t, y_red, color="red", label="红色曲线")
plt.xlabel("时间t")
plt.ylabel("y值")
plt.legend()
plt.grid(True)
plt.show()

关键说明 #

• 状态切换点自动识别：利用np.diff(y)快速定位原函数状态变化的位置，无需手动指定区间
• 逐段计算的必要性：由于t0是前一段的结果，必须按顺序处理每个区间，保证计算逻辑的正确性
• 初始t0可自定义：如果需要红色曲线在t=0时有特定初始值，直接修改t0的初始赋值即可

内容的提问来源于stack exchange，提问作者ilnarkz