在Python中，求两个图的交集的x值

设0您可以使用

np.sign

与

np.diff

和

np.argwhere

结合使用，以获得线交叉点的索引（在这种情况下，点是

[0、149、331、448、664、743]

）：

---

首先，它计算

f-g

和使用

np.sign

的相应符号。应用

np.diff

显示符号变化的所有位置（例如，线交叉）。使用

np.arg，其中

给出了准确的索引。

可能有多个交点，您可以通过以下列表在每个交点处找到

（x，y）

点

intersections = [(x[i], f[i]) for i,_ in enumerate(zip(f,g)) if f[i] == g[i]]

举个简单的例子

>>> x = [1,2,3,4,5]
>>> f = [2,4,6,8,10]
>>> g = [10,8,6,4,2]
>>> [(x[i], f[i]) for i,_ in enumerate(zip(f,g)) if f[i] == g[i]]
[(3, 6)]

---

因此，这在

x=3，y=6处找到了一个交点。请注意，如果使用的是
float
这两个值可能并不完全相等，因此即使f和g相交，也可以使用一些公差来代替
=
，不能确保f[i]==g[i]表示整数i（交点可能发生在点之间）

你应该像这样测试

# detect intersection by change in sign of difference
d = f - g
for i in range(len(d) - 1):
    if d[i] == 0. or d[i] * d[i + 1] < 0.:
        # crossover at i
        x_ = x[i]

#通过差异符号的变化检测交叉口
d=f-g
对于范围内的i（透镜（d）-1）：
如果d[i]==0。或d[i]*d[i+1]<0:
#在i交叉
x_uux=x[i]
对于阵列f和g，我们可以简单地执行以下操作：

np.pad(np.diff(np.array(f > g).astype(int)), (1,0), 'constant', constant_values = (0,))

这将给出所有交叉点的数组。每个1是从下方到上方的交叉，每个-1是从上方到下方的交叉。
好吧，我正在为两条大小不同且x值不相同的曲线寻找matplotlib。以下是我的想法：

import numpy as np
import matplotlib.pyplot as plt
import sys

fig = plt.figure()
ax = fig.add_subplot(111)

# x1 = [1,2,3,4,5,6,7,8]
# y1 = [20,100,50,120,55,240,50,25]
# x2 = [3,4,5,6,7,8,9]
# y2 = [25,200,14,67,88,44,120]

x1=[1.4,2.1,3,5.9,8,9,12,15]
y1=[2.3,3.1,1,3.9,8,9,11,9]
x2=[1,2,3,4,6,8,9,12,14]
y2=[4,12,7,1,6.3,7,5,6,11]

ax.plot(x1, y1, color='lightblue',linewidth=3, marker='s')
ax.plot(x2, y2, color='darkgreen', marker='^')

y_lists = y1[:]
y_lists.extend(y2)
y_dist = max(y_lists)/200.0

x_lists = x1[:]
x_lists.extend(x2)  
x_dist = max(x_lists)/900.0
division = 1000
x_begin = min(x1[0], x2[0])     # 3
x_end = max(x1[-1], x2[-1])     # 8

points1 = [t for t in zip(x1, y1) if x_begin<=t[0]<=x_end]  # [(3, 50), (4, 120), (5, 55), (6, 240), (7, 50), (8, 25)]
points2 = [t for t in zip(x2, y2) if x_begin<=t[0]<=x_end]  # [(3, 25), (4, 35), (5, 14), (6, 67), (7, 88), (8, 44)]
# print points1
# print points2

x_axis = np.linspace(x_begin, x_end, division)
idx = 0
id_px1 = 0
id_px2 = 0
x1_line = []
y1_line = []
x2_line = []
y2_line = []
xpoints = len(x_axis)
intersection = []
while idx < xpoints:
    # Iterate over two line segments
    x = x_axis[idx]
    if id_px1>-1:
        if x >= points1[id_px1][0] and id_px1<len(points1)-1:
            y1_line = np.linspace(points1[id_px1][1], points1[id_px1+1][1], 1000) # 1.4 1.401 1.402 etc. bis 2.1
            x1_line = np.linspace(points1[id_px1][0], points1[id_px1+1][0], 1000)
            id_px1 = id_px1 + 1
            if id_px1 == len(points1):
                x1_line = []
                y1_line = []
                id_px1 = -1
    if id_px2>-1:
        if x >= points2[id_px2][0] and id_px2<len(points2)-1:
            y2_line = np.linspace(points2[id_px2][1], points2[id_px2+1][1], 1000)
            x2_line = np.linspace(points2[id_px2][0], points2[id_px2+1][0], 1000)
            id_px2 = id_px2 + 1
            if id_px2 == len(points2):
                x2_line = []
                y2_line = []
                id_px2 = -1
    if x1_line!=[] and y1_line!=[] and x2_line!=[] and y2_line!=[]:
        i = 0
        while abs(x-x1_line[i])>x_dist and i < len(x1_line)-1:
            i = i + 1
        y1_current = y1_line[i]
        j = 0
        while abs(x-x2_line[j])>x_dist and j < len(x2_line)-1:
            j = j + 1
        y2_current = y2_line[j]
        if abs(y2_current-y1_current)<y_dist and i != len(x1_line) and j != len(x2_line):
            ymax = max(y1_current, y2_current)
            ymin = min(y1_current, y2_current)
            xmax = max(x1_line[i], x2_line[j])
            xmin = min(x1_line[i], x2_line[j])
            intersection.append((x, ymin+(ymax-ymin)/2))
            ax.plot(x, y1_current, 'ro') # Plot the cross point
    idx += 1    
print "intersection points", intersection
plt.show()

将numpy导入为np
将matplotlib.pyplot作为plt导入
导入系统
图=plt.图（）
ax=图添加_子批次（111）
#x1=[1,2,3,4,5,6,7,8]
#y1=[20100,50120,55240,50,25]
#x2=[3,4,5,6,7,8,9]
#y2=[25200,14,67,88,44120]
x1=[1.4,2.1,3,5.9,8,9,12,15]
y1=[2.3,3.1,1,3.9,8,9,11,9]
x2=[1,2,3,4,6,8,9,12,14]
y2=[4,12,7,1,6.3,7,5,6,11]
ax.绘图（x1，y1，颜色为淡蓝色，线宽为3，标记为s）
ax.plot（x2，y2，color='darkgreen'，marker='^'）
y_列表=y1[：]
y_列表。扩展（y2）
y_dist=最大值（y_列表）/200.0
x_列表=x1[：]
x_列表扩展（x2）
x_dist=最大值（x_列表）/900.0
除法=1000
x_begin=min（x1[0]，x2[0]）#3
x_end=max（x1[-1]，x2[-1]）#8
点s1=[t表示zip（x1，y1）中的t，如果x_开始x_dist且j如果abs（y2_电流-y1_电流）交点可能发生在点之间。让我们探索下面的示例

import numpy as np
import matplotlib.pyplot as plt
xs=np.arange(0, 20)
y1=np.arange(0, 20)*2
y2=np.array([1, 1.5, 3,  8,  9,  20, 23, 21, 13, 23, 18, 20, 23, 24, 31, 28, 30, 33, 37, 36])

绘制上述两条曲线及其交点，使用从
idx
交点提出的前后平均坐标作为交点，所有点都更靠近第一条曲线

idx=np.argwhere(np.diff(np.sign(y1 - y2 )) != 0).reshape(-1) + 0
plt.plot(xs, y1)
plt.plot(xs, y2)
for i in range(len(idx)):
    plt.plot((xs[idx[i]]+xs[idx[i]+1])/2.,(y1[idx[i]]+y1[idx[i]+1])/2., 'ro')
plt.legend(['Y1', 'Y2'])
plt.show()   


作为交点，y1和y2曲线前后的平均坐标通常更接近真实交点

plt.plot(xs, y1)
plt.plot(xs, y2)
for i in range(len(idx)):
    plt.plot((xs[idx[i]]+xs[idx[i]+1])/2.,(y1[idx[i]]+y1[idx[i]+1]+y2[idx[i]]+y2[idx[i]+1])/4., 'ro')
plt.legend(['Y1', 'Y2'])
plt.show()   


为了获得更精确的交点估计，我们可以使用插值。
以下是一个解决方案：


处理N维数据
使用欧几里德距离，而不仅仅是在y轴上查找交叉点
对于大量数据更有效（它查询a，它应该以对数时间而不是线性时间进行查询）
您可以在KD树查询中更改距离上限，以定义距离是否足够近
如果需要，您可以同时查询具有多个点的KD树。注意：如果您需要同时查询数千个点，您可以通过查询KD树获得显著的性能提升


对于正在使用或打开库进行几何相关计算的用户，获取交点将更加容易。您只需从每条线进行构造，并获得如下结果：

import numpy as np
import matplotlib.pyplot as plt
from shapely.geometry import LineString

x = np.arange(0, 1000)
f = np.arange(0, 1000)
g = np.sin(np.arange(0, 10, 0.01) * 2) * 1000

plt.plot(x, f)
plt.plot(x, g)

first_line = LineString(np.column_stack((x, f)))
second_line = LineString(np.column_stack((x, g)))
intersection = first_line.intersection(second_line)

if intersection.geom_type == 'MultiPoint':
    plt.plot(*LineString(intersection).xy, 'o')
elif intersection.geom_type == 'Point':
    plt.plot(*intersection.xy, 'o')


要获得作为NumPy数组的
x
和
y
值，您只需编写：

x, y = LineString(intersection).xy
# x: array('d', [0.0, 149.5724669847373, 331.02906176584617, 448.01182730277833, 664.6733061190541, 743.4822641140581])
# y: array('d', [0.0, 149.5724669847373, 331.02906176584617, 448.01182730277833, 664.6733061190541, 743.4822641140581])

或者，如果交点仅为一个点：

x, y = intersection.xy

我有一个类似的问题，但是有一个中断函数，比如切线函数。为了避免不连续点上的点，女巫我不想考虑一个交叉点，我在以前的解决方案中使用NP.DIFF和NP-符号增加了一个容差参数。我将容限参数设置为两个数据P之间的差异的平均值。点，巫婆就够了
import numpy as np
import matplotlib.pyplot as plt

fig,ax = plt.subplots(nrows = 1,ncols = 2)

x = np.arange(0, 1000)
f = 2*np.arange(0, 1000)
g = np.tan(np.arange(0, 10, 0.01) * 2) * 1000


#here we set a threshold to decide if we will consider that point as a intersection
tolerance = np.abs(np.diff(f-g)).mean()
idx = np.argwhere((np.diff(np.sign(f - g)) != 0) & (np.abs(np.diff(f-g)) <= tolerance)).flatten()

#general case (tolerance = infinity)
tolerance = np.inf
idx2 = np.argwhere((np.diff(np.sign(f - g)) != 0) & (np.abs(np.diff(f-g)) <= tolerance)).flatten()

ax1,ax2 = ax

ax1.plot(x,f); ax1.plot(x,g)
ax2.plot(x,f); ax2.plot(x,g)

ax1.plot(x[idx], f[idx], 'o'); ax1.set_ylim(-3000,3000)
ax2.plot(x[idx2],f[idx2], 'o'); ax2.set_ylim(-3000,3000)
plt.show()

将numpy导入为np
将matplotlib.pyplot作为plt导入
图，ax=plt子批次（nrows=1，ncols=2）
x=np.arange（0，1000）
f=2*np.arange（0，1000）
g=np.tan（np.arange（0,10,0.01）*2）*1000
这里，我们设置一个阈值来决定是否将该点视为交叉点。
公差=np.abs（np.diff（f-g））.mean（）
idx=np.argwhere（（np.diff（np.sign（f-g））！=0）和（np.abs（np.diff（f-g））用numpy语言写这篇文章，你会得到我的答案；）我猜上面的代码给出了一条插值交点的线。实际上我想要的是“x”值，而不是线
x[idx]
会给出相应的值。但是x[idx]在上面的代码中是否给了我10个值？这可能是因为有10个相交点@Shivaprakash该相交点不在数组中。我绘制了两条曲线，然后我想画一条平行于通过相交点的y轴的线，并找到x值参见通过线性输入找到精确的相交点三极化。如果你想要一个相当准确的结果，最好的解决方案。
import numpy as np
import matplotlib.pyplot as plt
from shapely.geometry import LineString

x = np.arange(0, 1000)
f = np.arange(0, 1000)
g = np.sin(np.arange(0, 10, 0.01) * 2) * 1000

plt.plot(x, f)
plt.plot(x, g)

first_line = LineString(np.column_stack((x, f)))
second_line = LineString(np.column_stack((x, g)))
intersection = first_line.intersection(second_line)

if intersection.geom_type == 'MultiPoint':
    plt.plot(*LineString(intersection).xy, 'o')
elif intersection.geom_type == 'Point':
    plt.plot(*intersection.xy, 'o')

x, y = LineString(intersection).xy
# x: array('d', [0.0, 149.5724669847373, 331.02906176584617, 448.01182730277833, 664.6733061190541, 743.4822641140581])
# y: array('d', [0.0, 149.5724669847373, 331.02906176584617, 448.01182730277833, 664.6733061190541, 743.4822641140581])

x, y = intersection.xy

import numpy as np
import matplotlib.pyplot as plt

fig,ax = plt.subplots(nrows = 1,ncols = 2)

x = np.arange(0, 1000)
f = 2*np.arange(0, 1000)
g = np.tan(np.arange(0, 10, 0.01) * 2) * 1000


#here we set a threshold to decide if we will consider that point as a intersection
tolerance = np.abs(np.diff(f-g)).mean()
idx = np.argwhere((np.diff(np.sign(f - g)) != 0) & (np.abs(np.diff(f-g)) <= tolerance)).flatten()

#general case (tolerance = infinity)
tolerance = np.inf
idx2 = np.argwhere((np.diff(np.sign(f - g)) != 0) & (np.abs(np.diff(f-g)) <= tolerance)).flatten()

ax1,ax2 = ax

ax1.plot(x,f); ax1.plot(x,g)
ax2.plot(x,f); ax2.plot(x,g)

ax1.plot(x[idx], f[idx], 'o'); ax1.set_ylim(-3000,3000)
ax2.plot(x[idx2],f[idx2], 'o'); ax2.set_ylim(-3000,3000)
plt.show()