插值生成更多数据点后还原阶梯状绘图的技术问题

问题背景 #

我用以下代码绘制出了阶梯状图：

import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt

x = np.array([3.45, 3.88, 3.99, 4.33])
y = np.array([14.0, 11.0, 14.0, 31.0])
y = np.cumsum(y)
y0 = np.array([0])
x0 = np.interp([0], y, x)
x = np.concatenate([x0, x])
y = np.concatenate([y0, y])

# Plot
fig, ax = plt.subplots()
ax.step(x, y, color='r', where='post')
ax.set_xlim(2, 5)
ax.set_ylim(0, y.max())
ax.invert_yaxis()
plt.show()

现在我需要通过插值函数生成更多x、y数据点，同时保持阶梯图和原图完全一致。但尝试以下代码后，生成的图形和原图不符：

import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt

x = np.array([3.45, 3.88, 3.99, 4.33])
y = np.array([14.0, 11.0, 14.0, 31.0])
y = np.cumsum(y)
y0 = np.array([0])
x0 = np.interp([0], y, x)
x = np.concatenate([x0, x])
y = np.concatenate([y0, y])

# 生成更多数据点
NUM = 100  # 修改点的数量
funct = interp1d(x, y, kind='next')
x_cont = np.linspace(x[0], x[-1], NUM)
y_cont = funct(x_cont)

# 绘图
fig, ax1 = plt.subplots()
ax1.step(x_cont, y_cont, color='r', where='post')
ax1.set_xlim(2, 5)
ax1.set_ylim(0, y.max())
ax1.invert_yaxis()
plt.show()

问题原因 #

问题出在插值方向和step函数的where='post'参数不匹配：

• 原代码中，ax.step(x, y, where='post')表示在每个x节点之后才跳跃到对应的y值，即阶梯在x节点处保持左侧y值，过了节点才切换到下一个y。
• 你用interp1d(x, y, kind='next')做插值，kind='next'会取当前x右侧的第一个y值，这和step的post逻辑冲突，导致插值后的y值提前跳跃，最终图形变形。

解决方案 #

要保持图形一致，需要让插值逻辑和step的post逻辑匹配，同时确保插值后的点包含所有原始节点（避免丢失阶梯的关键跳跃点）。以下是两种可行方法：

方法一：使用kind='previous'插值 #

把插值方法换成kind='previous'，它会取当前x左侧的最后一个y值，正好对应step的post逻辑：

import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt

x = np.array([3.45, 3.88, 3.99, 4.33])
y = np.array([14.0, 11.0, 14.0, 31.0])
y = np.cumsum(y)
y0 = np.array([0])
x0 = np.interp([0], y, x)
x = np.concatenate([x0, x])
y = np.concatenate([y0, y])

NUM = 100
# 改用previous插值，匹配step的post逻辑
funct = interp1d(x, y, kind='previous')
x_cont = np.linspace(x[0], x[-1], NUM)
y_cont = funct(x_cont)

fig, ax1 = plt.subplots()
ax1.step(x_cont, y_cont, color='r', where='post')
ax1.set_xlim(2, 5)
ax1.set_ylim(0, y.max())
ax1.invert_yaxis()
plt.show()

方法二：保留原始节点的插值（更稳妥） #

如果担心插值方法的适配问题，可以直接在生成的插值点中强制包含所有原始x节点，既保证阶梯的关键跳跃点，又能增加中间点：

import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt

x = np.array([3.45, 3.88, 3.99, 4.33])
y = np.array([14.0, 11.0, 14.0, 31.0])
y = np.cumsum(y)
y0 = np.array([0])
x0 = np.interp([0], y, x)
x = np.concatenate([x0, x])
y = np.concatenate([y0, y])

NUM = 100
# 生成包含原始节点的插值点：先生成均匀点，再合并原始点并去重排序
x_uniform = np.linspace(x[0], x[-1], NUM)
x_cont = np.unique(np.concatenate([x_uniform, x]))
# 用previous插值保证阶梯逻辑
funct = interp1d(x, y, kind='previous')
y_cont = funct(x_cont)

fig, ax1 = plt.subplots()
ax1.step(x_cont, y_cont, color='r', where='post')
ax1.set_xlim(2, 5)
ax1.set_ylim(0, y.max())
ax1.invert_yaxis()
plt.show()

效果验证 #

两种方法生成的图形都会和原图完全一致，仅数据点数量更多。它们都保证了在原始x节点处的y值跳跃逻辑和原代码一致，不会出现提前或延迟跳跃的情况。

内容的提问来源于stack exchange，提问作者pro