Matplotlib线条平滑实现及子弹轨迹对比绘图技术咨询

嘿，作为同样在科研里和Matplotlib死磕过的人，太懂你这种想让实验数据曲线摆脱粗糙折线感、同时还得保留真实弹道特征的需求了！针对你的子弹外弹道轨迹数据，我给你整理了几个实用的平滑方案，都是Python里直接能实现的，而且适配真实实验数据的特性：

这个方法就是取相邻几个数据点的平均值来替代原数据点，操作简单，不会过度扭曲原始趋势。如果你的实验数据噪声不大，这个方法足够好用。

示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 假设你的实验数据是x（飞行距离）和y（子弹高度）
x = np.array([0, 10, 20, 30, 40, 50])  # 示例实验数据
y = np.array([0, 8, 14, 16, 12, 0])

def moving_average(data, window_size):
    # 用卷积实现滑动平均
    window = np.ones(window_size) / window_size
    return np.convolve(data, window, mode='valid')

# 选择窗口大小（比如3，根据你的数据密度调整）
window_size = 3
y_smoothed = moving_average(y, window_size)
# 注意：滑动平均后x的长度会变短，所以要对应截取x
x_smoothed = x[window_size//2 : -(window_size//2)]

# 画图对比
plt.figure(figsize=(10,6))
plt.plot(x, y, 'o-', label='原始实验数据')
plt.plot(x_smoothed, y_smoothed, 's-', label=f'滑动窗口平滑（窗口大小{window_size}）')
plt.xlabel('飞行距离 (m)')
plt.ylabel('子弹高度 (m)')
plt.title('子弹外弹道轨迹')
plt.legend()
plt.show()

这个方法是基于局部多项式拟合的滤波，最大的好处是能在平滑噪声的同时，很好地保留数据的趋势和关键特征（比如弹道的最高点、落点），非常适合物理实验数据的处理，不会像简单平均那样把尖锐的特征磨平。

需要用到scipy库，先确保你已经安装了：pip install scipy

示例代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import savgol_filter

# 还是用你的实验数据x和y
x = np.array([0, 10, 20, 30, 40, 50])
y = np.array([0, 8, 14, 16, 12, 0])

# 应用Savitzky-Golay滤波：window_length是窗口大小（必须是奇数），polyorder是拟合的多项式阶数
y_smoothed = savgol_filter(y, window_length=5, polyorder=2)

# 画图对比
plt.figure(figsize=(10,6))
plt.plot(x, y, 'o-', label='原始实验数据')
plt.plot(x, y_smoothed, 's-', label='Savitzky-Golay平滑')
plt.xlabel('飞行距离 (m)')
plt.ylabel('子弹高度 (m)')
plt.title('子弹外弹道轨迹')
plt.legend()
plt.show()

小贴士：window_length要根据你的数据点数量调整，polyorder一般选2（对应抛物线，正好匹配弹道的轨迹特征），如果你的数据噪声大，可以适当增大窗口大小，但别太大，不然会丢失真实特征。

如果你的论文图需要非常顺滑的曲线，立方样条插值是个好选择。它会在原始数据点之间生成连续的平滑曲线，看起来更美观，但要注意不要过度拟合——比如如果你的实验数据本身有噪声，插值会把噪声也“顺滑”进去，所以最好先做降噪处理再用。

示例代码：

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

# 实验数据
x = np.array([0, 10, 20, 30, 40, 50])
y = np.array([0, 8, 14, 16, 12, 0])

# 创建立方样条插值函数
cs = CubicSpline(x, y)

# 生成更密集的x点，让曲线更顺滑
x_new = np.linspace(x.min(), x.max(), 100)
y_new = cs(x_new)

# 画图对比
plt.figure(figsize=(10,6))
plt.plot(x, y, 'o', label='原始实验数据点')
plt.plot(x_new, y_new, '-', label='立方样条平滑曲线')
plt.xlabel('飞行距离 (m)')
plt.ylabel('子弹高度 (m)')
plt.title('子弹外弹道轨迹')
plt.legend()
plt.show()

最后提醒一下：不管用哪种方法，都要调整参数适配你的真实数据，比如窗口大小、插值密度，确保平滑后的曲线依然能准确反映子弹外弹道的真实特性——毕竟物理论文里数据的真实性比美观更重要！

内容的提问来源于stack exchange，提问作者168grani