如何使用numpy和matplotlib绘制两个不同x数组对应曲线的最小值

要实现不同x坐标序列的两条曲线取最小值段绘制，核心思路是将两条曲线统一插值到公共x网格上，再做数值比较筛选，该方案不依赖原始函数信息，完全适配数据集场景。

完整实现代码 #

import numpy as np
import matplotlib.pyplot as plt

# 原始数据（可替换为你的实测数据集）
x1 = np.linspace(-2,2,100)
x2 = np.linspace(0,4,100)
y1 = x1**2+1
y2 = (x2-1.5)**2

# （可选）如果原始x数组非单调，先执行排序操作
# sort_idx1 = np.argsort(x1)
# x1, y1 = x1[sort_idx1], y1[sort_idx1]
# sort_idx2 = np.argsort(x2)
# x2, y2 = x2[sort_idx2], y2[sort_idx2]

# 步骤1：确定两组x的公共取值范围
x_min = max(x1.min(), x2.min())
x_max = min(x1.max(), x2.max())
# 生成高分辨率统一x网格，点数可按需调整，越高曲线越平滑
x_uniform = np.linspace(x_min, x_max, 1000)

# 步骤2：将两条曲线插值到统一x网格上
y1_interp = np.interp(x_uniform, x1, y1)
y2_interp = np.interp(x_uniform, x2, y2)

# 步骤3：掩码筛选各自的最小值段并绘图
mask_y1 = y1_interp < y2_interp
plt.plot(x_uniform[mask_y1], y1_interp[mask_y1], c='#1f77b4', label='y1最小值段')

mask_y2 = y2_interp < y1_interp
plt.plot(x_uniform[mask_y2], y2_interp[mask_y2], c='#ff7f0e', label='y2最小值段')

plt.legend()
plt.show()

方案特性 #

• 通用性强：无需知晓y1、y2的生成函数，仅需两组对应的x、y数组即可使用
• 效率高：所有操作为numpy向量化运算，即使是万级以上的数据点也可快速处理
• 可扩展：支持任意多条曲线的最小值段筛选，只需将所有曲线插值到同一公共x网格后逐点取最小值即可

内容的提问来源于stack exchange，提问作者The One