R语言如何绘制X轴归一化多折线图并生成样本平均图

两个需求的核心注意点是两个样本的距离采样点不对齐、数据行数不同，绘制单样本折线时不需要特殊处理，计算平均前必须先对齐x轴坐标。

1. 同图绘制两个样本的折线 #

直接调用两次绘图接口，分别传入每个样本对应的x、y数据即可，不需要对齐两个样本的坐标，工具会自动按各自的坐标点位绘制。
以Python的matplotlib实现为例，代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 替换为你自己的数据读入代码，比如 df = pd.read_csv("your_data_file.csv")
# 以下为匹配你给出的示例结构构造的测试数据
df = pd.DataFrame({
    "distance1": [0.0000000,0.2174741,0.4349482,0.6520882,0.8695623,1.0870364,1.3045105,1.5216505,1.7391246,1.9565987,2.1740728,2.3912128],
    "grey1": [-300.364,-296.963,-292.887,-290.310,-285.777,-279.921,-274.418,-272.005,-273.666,-270.381,-270.273,-270.705],
    "distance2": [0.0000000,0.2114969,0.4229937,0.6341657,0.8456625,1.0571594,1.2686562,1.4798282,1.6913251,1.9028219,2.1143188,2.3254907],
    "grey2": [-135.219,-132.601,-131.959,-133.514,-127.111,-116.404,-116.850,-115.464,-102.823,-101.497,-98.245,-98.474]
})

# 初始化画布
plt.figure(figsize=(8,4), dpi=100)
# 绘制样本1折线
plt.plot(df["distance1"], df["grey1"], label="样本1", color="#1f77b4", linewidth=1.5)
# 绘制样本2折线
plt.plot(df["distance2"], df["grey2"], label="样本2", color="#ff7f0e", linewidth=1.5)
# 添加标注
plt.xlabel("归一化距离（0-100）")
plt.ylabel("强度值")
plt.legend()
plt.grid(alpha=0.3)
plt.show()

2. 绘制两个样本的平均折线 #

禁止直接对两列grey值求平均：两个样本的采样点不对应，直接求平均的结果完全没有意义。必须先将两个样本的强度值插值到一套统一的公共x坐标网格上，再对相同x坐标下的y值逐点求平均。
你的x轴已经归一化到0-100区间，直接生成0-100范围等间距的公共网格即可，步长可以参考你原始数据的采样间隔设置，示例代码用0.2步长：

# 生成公共x轴网格，范围0-100，步长0.2，可按需调整密度
x_common = np.arange(0, 100.1, 0.2)

# 分别对两个样本做线性插值，得到公共x坐标下对应的强度值
# 先过滤空值避免插值报错
y1_interp = np.interp(
    x_common,
    df["distance1"].dropna().values,
    df["grey1"].dropna().values
)
y2_interp = np.interp(
    x_common,
    df["distance2"].dropna().values,
    df["grey2"].dropna().values
)

# 逐点计算平均强度
y_mean = (y1_interp + y2_interp) / 2

# 绘制平均折线，可同时叠加原始两个样本的折线做对比
plt.figure(figsize=(8,4), dpi=100)
plt.plot(df["distance1"], df["grey1"], label="样本1", color="#1f77b4", alpha=0.5, linewidth=1)
plt.plot(df["distance2"], df["grey2"], label="样本2", color="#ff7f0e", alpha=0.5, linewidth=1)
plt.plot(x_common, y_mean, label="平均强度", color="#d62728", linewidth=2)
plt.xlabel("归一化距离（0-100）")
plt.ylabel("强度值")
plt.legend()
plt.grid(alpha=0.3)
plt.show()

注意事项 #

• 默认用线性插值，适合连续变化的强度信号，不会引入人为的平滑偏差；如果需要更平滑的曲线，可以替换为scipy库的三次样条插值。
• 如果你的原始数据中两个样本的distance列没有覆盖到0-100全区间，np.interp会自动用端点值填充外推区域，不需要外推的话可以把x_common的范围限制在两个样本distance的重叠区间内。

内容的提问来源于stack exchange，提问作者Ruthilia Vera