Matplotlib绘制常值分段函数出现锯齿状图形的问题咨询

问题描述 #

尝试绘制含绝对值的函数及其分段等效函数时，Matplotlib绘制的分段函数出现锯齿状边角。原代码如下：

import matplotlib.pyplot as plt
import numpy as np

plt.style.use("dark_background")

def f(x):
    return abs(2 * x - 3) + abs(3 * x + 1) - abs(5 * x - 3)

def g(x):
    if x < -1/3:
        return -1
    if -1/3 < x < 3/5:
        return 6 * x + 1
    if 3/5 < x < 3/2:
        return -4 * x + 7
    if x > 3/2:
        return 1

gf = np.vectorize(g)
x = np.linspace(-1, 2, 300)

plt.figure(figsize = (10, 4))

plt.subplot(1, 2, 1)
plt.plot(x, f(x), color = "blue")

plt.subplot(1, 2, 2)
plt.plot(x, gf(x), color = "red")

plt.show()

问题根源 #

1. 分段条件的匹配漏洞：原函数g(x)使用严格小于/大于（</>）判断，而np.linspace生成的采样点中可能刚好包含分界点（如-1/3、3/5、3/2），这些点无法匹配任何条件分支，会返回None。Matplotlib绘制时遇到None会断开线条，导致分段点处出现缺口，视觉上呈现锯齿状。
2. 常值段的渲染特性：断开的线条在常值段重新绘制时，离散的水平线段拼接会产生边角锯齿。

你的临时方法为什么生效 #

给常值输出添加极小的x系数（如-1 + 0.000001 * x），本质解决了两个问题：

• 确保所有x值都能匹配到对应条件分支，不会返回None，保证y值数组无缺失；
• 给常值段赋予了肉眼不可见的极小斜率，让Matplotlib将其视为连续折线，而非离散线段拼接，从而消除锯齿。

更简便的解决方案 #

方案1：修改分段条件为非严格匹配 #

将g(x)中的严格不等改为非严格不等，确保所有x值都能匹配到分支：

def g(x):
    if x <= -1/3:
        return -1
    elif -1/3 <= x <= 3/5:
        return 6 * x + 1
    elif 3/5 <= x <= 3/2:
        return -4 * x + 7
    else:  # x >= 3/2
        return 1

修改后np.vectorize(g)生成的y数组无缺失值，Matplotlib可绘制连续平滑的分段函数。

方案2：使用numpy向量化条件判断（更高效） #

避免np.vectorize的循环低效问题，直接用np.where构建向量化分段函数：

def g(x):
    return np.where(x <= -1/3, -1,
            np.where((x > -1/3) & (x <= 3/5), 6*x + 1,
                np.where((x > 3/5) & (x <= 3/2), -4*x +7, 1)))

该方法直接对numpy数组操作，无需额外向量化处理，效率更高且能保证所有x值对应有效y值，绘制线条无锯齿。

内容的提问来源于stack exchange，提问作者Steve03