Python 获得x值不相同的多条曲线的平均曲线

我有几个数据集包含许多x和y值。值少得多的示例如下所示：

数据集1

：

x1          y1        
---------   ---------   
0           100
0.0100523   65.1077
0.0201047   64.0519
0.030157    63.0341
0.0402094   62.1309
0.0502617   61.3649
0.060314    60.8614
0.0703664   60.3555
0.0804187   59.7635
0.0904711   59.1787

数据集2

：

x2          y2        
---------   ---------   
0           100
0.01        66.119
0.02        64.4593
0.03        63.1377
0.04        62.0386
0.05        61.0943
0.06        60.2811
0.07        59.5603
0.08        58.8908

这里我有两个数据集，包含10个x和y值。y值总是不同的，但在某些情况下，x值将是相同的，有时它们将是不同的-如在本例中。不是很多，但他们还是不同的。将这两个数据集绘制成一个图表，会产生两条不同的曲线，现在我想制作两条曲线的平均值。如果x值相同，我只需要取y值的平均值，并将它们与x值进行对比，但是如上所述，它们有时不同，有时相同。 有没有什么方法可以外推，或者类似的方法，这样我就可以平均值（同样，对于许多数据集），而不需要“猜测”或说“它们几乎相同，所以只需平均y值就可以了”。

---

外推法似乎是一种可行的方法，但我从未在python中使用过它，也许还有更好的方法可以做到这一点

如果每个数据集中的点数相同（你的示例没有，但你在帖子中说你有），你可以得到每个集合中相应

x

值的平均值，以及相应

y

值的平均值。如果没有相同数量的值，可以按照中的答案进行操作

例如，给定您的数据，但每个数据都有9分：

>>> x1
array([0.       , 0.0100523, 0.0201047, 0.030157 , 0.0402094, 0.0502617,
       0.060314 , 0.0703664, 0.0804187])
>>> y1
array([100.    ,  65.1077,  64.0519,  63.0341,  62.1309,  61.3649,
        60.8614,  60.3555,  59.7635])
>>> x2
array([0.  , 0.01, 0.02, 0.03, 0.04, 0.05, 0.06, 0.07, 0.08])
>>> y2
array([100.    ,  66.119 ,  64.4593,  63.1377,  62.0386,  61.0943,
        60.2811,  59.5603,  58.8908])

你可以做：

import numpy as np

mean_x = np.mean((x1,x2), axis=0)
mean_y = np.mean((y1,y2), axis=0)

当要以视觉方式显示时，可以进行绘图。在这里，黑线是您的平均线，蓝色和橙色线是您的原始数据集：

import matplotlib.pyplot as plt
plt.plot(x1,y1)
plt.plot(x2,y2)
plt.plot(mean_x,mean_y, color='black')
plt.show()

---

如果曲线的点数不相同，也可以绘制平均曲线，使用线性插值使所有曲线上的点数相等

假设您需要绘制一组曲线的平均曲线，并且所有此类曲线都有xs和ys，其中xs包含每条曲线的x坐标，ys包含y坐标。平均曲线的X轴将从0变为max（xs），平均曲线的Y轴是ys中每个Y的平均值，在每个Xi中进行评估∈ X（即垂直y（xi）对于y中的每个y，numpy轴=0）。对ys中缺少的y值使用插值

mean_x_axis = [i for i in range(max(xs))]
ys_interp = [np.interp(mean_x_axis, xs[i], ys[i]) for i in range(len(xs))]
mean_y_axis = np.mean(ys_interp, axis=0)

plt.plot(mean_x_axis, mean_y_axis)

---

是的，我的错。。。每个数据集具有相同数量的值。我认为这是一个很好的方式。非常感谢。