Python分段线性插值绘图求助：基于Lagrange插值多项式

嘿，我懂你不想手动复制每个插值方程的麻烦——其实我们可以用SymPy的lambdify工具，把生成的符号表达式直接转换成NumPy能计算的函数，自动完成分段绘图！下面是修改后的完整代码，我会一步步解释怎么回事：

import numpy as np
import matplotlib.pyplot as plt
import sympy as sym

# 重命名符号变量，避免和numpy数组混淆
x_sym = sym.Symbol('x')
year = np.arange(1960,2020,10)
pop = [179323,203302,226542,249633,281422,308746]

def lgn(a,b): 
    result = []
    for i in range(1,len(a)):
        L0 = (x_sym - a[i])/(a[i-1] - a[i])
        L1 = (x_sym - a[i-1])/(a[i] - a[i-1])
        temp = (L0 * b[i-1]) + (L1 * b[i])
        result.append(temp)
    return result

# 获取所有分段的符号插值方程
interp_exprs = lgn(year, pop)

# 先画出原始数据点
plt.plot(year, pop, 'ro', label='原始人口数据')

# 遍历每个分段方程和对应的年份区间
for expr, x_start, x_end in zip(interp_exprs, year[:-1], year[1:]):
    # 把SymPy符号表达式转成NumPy可调用的函数
    interpolator = sym.lambdify(x_sym, expr, 'numpy')
    # 生成区间内的x值（用100个点让曲线更平滑）
    x_vals = np.linspace(x_start, x_end, 100)
    # 自动计算y值
    y_vals = interpolator(x_vals)
    # 绘制该分段的插值曲线
    plt.plot(x_vals, y_vals, 'b-')

# 添加图表细节
plt.xlabel('年份')
plt.ylabel('人口')
plt.title('分段线性Lagrange插值人口变化')
plt.legend()
plt.show()

关键步骤解释： #

• 符号变量重命名：把原来的x改成x_sym，防止和后续NumPy的数组变量冲突，避免不必要的bug。
• 利用lambdify转换函数：这是核心操作——它能把SymPy生成的符号方程（比如23979*x/10 - 4520561）直接转换成可以处理NumPy数组的函数，彻底省去手动输入方程的步骤。
• 自动遍历分段：用zip把每个插值方程和对应的起始/结束年份配对，循环处理每个区间，不管你有多少个分段，代码都能自动适配。
• 平滑曲线：把linspace的点数从10改成100，插值曲线会更顺滑，视觉效果更好。

这样修改后，哪怕你后续调整年份范围或者人口数据，代码都能自动重新生成插值曲线，完全不用手动修改绘图部分的代码！

内容的提问来源于stack exchange，提问作者Harsh Dhiman