基于自定义分段函数绘图，用Numpy创建对应数组（Python）

没问题，我来帮你搞定这个需求！其实用Numpy实现这种分段的类抛物线曲线非常直接，完全不需要复杂的插值操作——我们可以利用Numpy的向量化特性，通过分段赋值或者专门的分段函数工具来完成，既高效又容易理解。

下面给出两种常用的实现方式，你可以根据自己的习惯选择：

方法一：分步掩码赋值（直观易懂） #

这种方式一步步拆解逻辑，非常适合新手理解：

1. 首先生成x数组：
   你可以用np.linspace生成连续的浮点型x值（比如1000个点，保证曲线足够平滑），或者用np.arange生成整数点：

   import numpy as np
   
   # 生成0到24的连续x值，共1000个点
   x = np.linspace(0, 24, 1000)
   # 如果只需要整数点，用这个：x = np.arange(0, 25)
   

2. 初始化y数组为全0：

   y = np.zeros_like(x)
   

3. 筛选6-18区间的x索引，计算抛物线值：
   我们选择开口向下的对称抛物线，顶点落在x=12（6-18的中点），刚好在x=6和x=18时y值为0，完美衔接两端的0区间。你可以通过修改公式系数自定义曲线的陡峭程度和峰值：

   # 筛选6<=x<=18的掩码
   mask = (x >= 6) & (x <= 18)
   # 计算抛物线值：这里峰值为1，你可以调整系数改变形态
   y[mask] = -(x[mask] - 12)**2 / 36 + 1
   

   👉 举个例子：如果想要峰值为2，公式改成-(x[mask]-12)**2 / 18 + 2；想要更平缓的曲线，增大分母数值即可。

方法二：用np.piecewise实现分段函数（代码紧凑） #

Numpy的np.piecewise函数专门用于处理分段函数，能把所有逻辑整合在一块，代码更简洁：

import numpy as np

x = np.linspace(0, 24, 1000)
y = np.piecewise(
    x,
    # 定义三个区间的判断条件
    [x < 6, (x >= 6) & (x <= 18), x > 18],
    # 对应每个区间的取值/计算逻辑
    [0, lambda x: -(x - 12)**2 / 36 + 1, 0]
)

验证效果 #

如果想快速查看生成的曲线，用matplotlib画一下就行：

import matplotlib.pyplot as plt

plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.grid(True)
plt.show()

你会看到完全符合需求的曲线：0-6和18-24区间y保持0，中间6-18是对称的抛物线形态。

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