如何用Python基于Excel数据绘制曲线并计算红、绿区域曲线下面积

前置依赖安装 #

先安装所需的Python库：

pip install numpy scipy matplotlib

1. 数据导入 #

假设你的6000+数据点存储在CSV文件中（第一列是横坐标x，第二列是纵坐标y），用numpy快速读取：

import numpy as np

# 替换成你的数据文件路径
x, y = np.loadtxt('data_points.csv', delimiter=',', unpack=True)

2. 计算曲线下总面积 #

推荐用辛普森法（对平滑曲线拟合精度更高）或梯形法，借助scipy.integrate模块实现：

from scipy.integrate import trapezoid, simpson

# 梯形法
total_area_trapezoid = trapezoid(y, x)
# 辛普森法
total_area_simpson = simpson(y, x)

print(f"梯形法总面积：{total_area_trapezoid:.2f}")
print(f"辛普森法总面积：{total_area_simpson:.2f}")

3. 分区域计算红色/绿色面积 #

假设红色区域是曲线低于基线（比如y=0）的部分，绿色区域是曲线高于基线的部分，代码如下：

# 替换成你图中的基线值，比如0或其他拟合线
baseline = 0

# 绿色区域：曲线高于基线的部分
y_green = np.where(y > baseline, y - baseline, 0)
green_area = simpson(y_green, x)

# 红色区域：曲线低于基线的部分（取绝对值保证面积为正）
y_red = np.where(y < baseline, baseline - y, 0)
red_area = simpson(y_red, x)

print(f"绿色区域面积：{green_area:.2f}")
print(f"红色区域面积：{red_area:.2f}")

如果你的基线不是固定值，而是另一条曲线（比如拟合的直线），可以先拟合基线：

# 拟合线性基线（根据需求调整拟合阶数）
coefficients = np.polyfit(x, y, 1)
baseline_curve = np.polyval(coefficients, x)

# 用基线曲线替代之前的baseline变量即可
y_green = np.where(y > baseline_curve, y - baseline_curve, 0)
green_area = simpson(y_green, x)

4. 可视化验证 #

用matplotlib绘制曲线并填充区域，确认计算的区域是否正确：

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.plot(x, y, color='darkblue', label='原始曲线')
# 绘制基线
plt.plot(x, baseline if isinstance(baseline, int) else baseline_curve, color='gray', linestyle='--', label='基线')
# 填充绿色区域
plt.fill_between(x, baseline, y, where=(y > baseline), color='green', alpha=0.3, label='绿色区域')
# 填充红色区域
plt.fill_between(x, y, baseline, where=(y < baseline), color='red', alpha=0.3, label='红色区域')

plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('曲线及分区域面积')
plt.legend()
plt.show()

关键提示 #

• 确保x数组是单调递增的，数值积分要求横坐标有序
• 辛普森法对数据点数量无严格要求，6000+数据点可以直接使用
• 如果数据有噪声，可先对y做平滑处理（比如scipy.signal.savgol_filter）再计算面积

内容的提问来源于stack exchange，提问作者Sujith Kumar S