如何从Matplotlib绘制的曲线中提取并绘制非给定x对应的y值？

嘿，这个需求其实挺常见的——你手里的曲线是离散的(x,y)点组成的，要拿到非原始采样点的y值，核心就是插值。下面给你一步步拆解解决方案，附完整代码：

1. 核心思路：用插值估算非采样点的y值 #

因为你的原始数据是一系列离散的点，没有x=0.23对应的记录，所以我们需要通过相邻的已知点来估算这个位置的y值。最常用的两种方式是线性插值（简单高效，适合大多数场景）和三次样条插值（生成平滑曲线，适合有连续趋势的数据）。

2. 线性插值实现（基础方案） #

我们可以直接用numpy自带的interp()函数来完成线性插值，然后用matplotlib把这个点标注在曲线上：

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111)
x1 = [0.1,0.12,0.13,0.18,0.2,0.25,0.27,0.29]
y1 = [1,2,3,4,5,6,7,8]
ax.plot(x1, y1, color='lightblue',linewidth=3)

# 定义目标x值
target_x = 0.23
# 线性插值计算对应的y值
target_y = np.interp(target_x, x1, y1)
print(f"x={target_x}对应的线性插值y值：{target_y}")

# 在曲线上标注这个点：红色圆点，提高层级避免被曲线遮挡
ax.scatter(target_x, target_y, color='red', s=100, zorder=5)
# 添加文本标注，稍微偏移位置避免遮挡点
ax.text(target_x + 0.005, target_y, f'({target_x}, {target_y:.2f})', fontsize=10)

plt.show()

3. 三次样条插值实现（平滑方案） #

如果你的数据本身有连续的趋势，想要更精准的平滑插值结果，可以用scipy的interp1d函数实现三次样条插值：

import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import interp1d

fig = plt.figure()
ax = fig.add_subplot(111)
x1 = [0.1,0.12,0.13,0.18,0.2,0.25,0.27,0.29]
y1 = [1,2,3,4,5,6,7,8]
ax.plot(x1, y1, color='lightblue',linewidth=3)

target_x = 0.23
# 创建三次样条插值函数
spline_func = interp1d(x1, y1, kind='cubic')
# 计算目标y值
target_y_spline = spline_func(target_x)
print(f"x={target_x}对应的三次样条插值y值：{target_y_spline:.2f}")

# 标注点：用橙色区分线性插值的点
ax.scatter(target_x, target_y_spline, color='orange', s=100, zorder=5)
ax.text(target_x + 0.005, target_y_spline, f'三次样条: ({target_x}, {target_y_spline:.2f})', fontsize=10)

plt.show()

小提示 #

• 线性插值是用相邻两个点的直线段来估算数值，计算快、结果直观；
• 三次样条插值会生成一条平滑的曲线穿过所有原始点，插值结果更贴合数据的连续趋势，但需要额外安装scipy库（pip install scipy）。

内容的提问来源于stack exchange，提问作者user3650827