如何在Matplotlib绘图中查找并显示特定坐标点？

我用plt.plot(xdata,ydata)绘制了一幅图，希望找到y坐标等于125.94937644205281 + 1（卡方值+1）时对应的x坐标，并将该点在图中显示出来。尝试过找根法，但寻找满足卡方+1的参数耗时极久，代码还陷入了无限循环。如果Matplotlib没有直接查找图中特定点的方法，应该选择哪种求解器？如何使用？

附上我尝试的代码：

target = chisq_min + 1
def target_chisq_plus1 (gradient):
    return chisq([gradient], xval, yval, yerr) - target

# 寻找根
initials = [(a_soln, 0.0121320), (0.0122193, a_soln)] # <- 导致卡方值+1的两个参数初始边界

tolerance = 0.01
chisquard_plus_one_solutions = []
while True:
    for initial in initials:
        if target_chisq_plus1(initial[0]) > 0:
            xp = initial[0]
            xn = initial[1]
        else:
            xp = initial[1]
            xn = initial[0]
        next_approximation = (xp + xn) / 2
        if target_chisq_plus1(next_approximation) > 0:
            xp = next_approximation
        else:
            xn = next_approximation
        if abs(target_chisq_plus1(next_approximation)) < tolerance:
            gradient_solutions.append((next_approximation, chisq([next_approximation], xval, yval, yerr)))
            break

1. 用SciPy专业求解器替代手动二分法 #

你手动实现的二分法存在逻辑漏洞（比如while True无终止条件，极易无限循环），直接用SciPy内置的求解器更高效可靠，推荐scipy.optimize.bisect或root_scalar，二者都是专门针对单变量函数找根的工具：

示例代码（bisect版本） #

from scipy.optimize import bisect
import matplotlib.pyplot as plt

# 保留你的目标值与目标函数
target = chisq_min + 1
def target_chisq_plus1(gradient):
    return chisq([gradient], xval, yval, yerr) - target

gradient_solutions = []
# 遍历每个初始边界对求解
for lower, upper in initials:
    # bisect要求区间两端函数值符号相反，先做校验
    if target_chisq_plus1(lower) * target_chisq_plus1(upper) >= 0:
        print(f"区间[{lower}, {upper}]两端函数值符号相同，无法用bisect求解")
        continue
    # 执行求解，设置精度阈值
    sol = bisect(target_chisq_plus1, lower, upper, xtol=0.01)
    gradient_solutions.append((sol, chisq([sol], xval, yval, yerr)))

选择SciPy求解器的优势 #

• 自带收敛判断与终止条件，不会陷入无限循环
• 经过底层优化，求解速度远快于手动实现的二分法
• 严谨处理边界异常情况，避免无效计算

2. 在Matplotlib图中标注目标点 #

找到x坐标后，用plt.scatter标记点，搭配plt.annotate添加坐标标注：

# 先绘制原始曲线
plt.plot(xdata, ydata, label='原始曲线')

# 遍历所有解，逐个标注
for x_sol, y_sol in gradient_solutions:
    # 红色标记目标点，zorder确保点在曲线上方
    plt.scatter(x_sol, y_sol, color='red', s=50, zorder=5)
    # 添加坐标文本，偏移位置避免遮挡
    plt.annotate(f'({x_sol:.4f}, {y_sol:.4f})', 
                 xy=(x_sol, y_sol), 
                 xytext=(x_sol+0.0001, y_sol+2),
                 fontsize=10)

plt.xlabel('X轴')
plt.ylabel('Y轴（卡方值）')
plt.legend()
plt.show()

3. 额外提示 #

• 若chisq是多变量函数，需要找二维卡方+1等高线，可改用scipy.optimize.root或scipy.optimize.minimize来寻找满足条件的参数组合
• 初始区间尽量缩小合理范围，能大幅提升求解效率

内容的提问来源于stack exchange，提问作者D Son