Python 打印多条打印线的总和

我使用阵列中的数据绘制了多条线。问题是我想画一条新线，显示所有这些线的总和。请记住，每组的x值是不同的。 让我举一个我正在尝试做的例子。假设我有两组（x，y）数据，如下所示：

 x1=np.array([1,2,3,4,5])
 y1=np.array([1,3,5,7,9])
 x2=np.array([3,4,5,6,7])
 y2=np.array([2,4,6,8,10])

然后，我使用np.interp

 xvals1=np.linspace(1,5,1000)
 yinterp1 = np.interp(xvals1, x1, y1)
 plt.plot(xvals1, yinterp1)
 xvals2=np.linspace(3,7,1000)
 yinterp2 = np.interp(xvals2, x2, y2)
 plt.plot(xvals2, yinterp2)

好，现在，我想要一条额外的线，显示这两条线的总和。但如果我做了以下操作，它会给我一条线（绿色），这肯定是错误的：

xvals=np.linspace(1,7,1000)
plt.plot(xvals,yinterp1+yinterp2)

---

有人对此有什么想法吗？

您不能添加

y

值，因为相应的

x

值不同。要添加它们，您需要相同范围内的

x

值。例如，在您的代码中，添加的第一个点将是

f1（1）+f2（3）

的结果，这不是您想要的结果。你想要的是f1（1）+f2（1）

你宁愿这样做

 xvals1=np.linspace(1,5,5)
 yinterp1 = np.interp(xvals1, x1, y1)
 plt.plot(xvals1, yinterp1)
 xvals2=np.linspace(1,5,5)
 yinterp2 = np.interp(xvals2, x2, y2)
 plt.plot(xvals2, yinterp2)
 xvals=np.linspace(1,5,5)
 plt.plot(xvals,yinterp1+yinterp2)

---

此外，您还必须将

y2

的值从

1

定义为

7

，因为您需要将求和行形式

1

定义为

7

当您执行

y1+y2

时，结果是

[y1[0]+y2[0]，y1[1]+y2[1]，…]

。在您的特定情况下，索引对应于不同的值，因此您实际上执行的是没有物理意义的

[y1[x=1]+y2[x=3]，…，y1[x=5]+y2[x=7]

我们需要屏蔽这些值，以便它们有意义，

y

为加法“对齐”。通过对齐，我的意思是相同的索引对应于相同的

x

将numpy导入为np
将matplotlib.pyplot作为plt导入
x1=np.数组（[1,2,3,4,5]）
y1=np.数组（[1,3,5,7,9]）
x2=np.数组（[3,4,5,6,7]）
y2=np.数组（[2,4,6,8,10]）
xvals1=np.linspace（1,51000）
yinterp1=np.interp（xvals1，x1，y1）
plt.绘图（xvals1，yinterp1）
xvals2=np.linspace（3,7,1000）
yinterp2=np.interp（xvals2，x2，y2）
plt.图（XVAL2，yinterp2）
xvals=np.linspace（1,7,1000）
x1_和x2_交叉点_掩码=（np.logical_和（3）
y
数据无法知道哪个
x
有意义。您正在绘制一个
x，y
集，两者的点数相同，因此不会产生错误。唯一有效的数据是
yinterp1[1当您绘制
y1+y2
时，结果是
[y1][0]+y2[0]，y1[1]+y2[1]，…]
。在您的特定情况下，索引对应不同的值，因此您实际上是在执行
[y1[x=1]+y2[x=3]，…，y1[x=5]+y2[x=7]]
没有物理意义。是的，我明白你的意思。我所说的只是我试图做的，因为我没有其他想法，我知道这是错误的，这就是为什么我发布这个问题，以找到正确的方法。没问题，那只是掩盖数据的问题！请查看我的答案：）谢谢你的回答。这几乎就是我想要的。有没有办法让绿线覆盖整个地区？（所以我想说）1@PhilF.是的，只要操作区域合理，就可以使用任意多的数据集。这里我们手动进行屏蔽，但最好的解决方案是创建一个函数
f（x1，y1，x2，y2）
专用于返回
x1[mask]、y1[mask]、x2[mask]、y2[mask]
以及
mask
（x2中的x1∩ x1中的x2）
。非常感谢您的完整答案。我尝试了您所说的内容，效果很好！不幸的是，因为我有很多（x，y）集，所以有很多交叉掩码，在尝试了一些之后，我仍然没有得到所有这些的正确“求和”行，但我会尝试更多。再次感谢
import numpy as np
import matplotlib.pyplot as plt

x1 = np.array([1, 2, 3, 4, 5])
y1 = np.array([1, 3, 5, 7, 9])
x2 = np.array([3, 4, 5, 6, 7])
y2 = np.array([2, 4, 6, 8, 10])

xvals1 = np.linspace(1, 5, 1000)
yinterp1 = np.interp(xvals1, x1, y1)
plt.plot(xvals1, yinterp1)

xvals2 = np.linspace(3, 7, 1000)
yinterp2 = np.interp(xvals2, x2, y2)
plt.plot(xvals2, yinterp2)

xvals = np.linspace(1, 7, 1000)
x1_and_x2_intersection_mask = (np.logical_and(3 <= xvals, xvals <= 5))
xinter = xvals[x1_and_x2_intersection_mask]
yi1 = yinterp1[x1_and_x2_intersection_mask]
yi2 = yinterp2[x1_and_x2_intersection_mask]
plt.plot(xinter, yi1+yi2)

def mask_between_a_b(array, a, b):
    """I make functions when I have to use something more than once."""
    return np.logical_and(a <= array, array <= b)

# Create the masked data for the two regions where blue and orange don't share an x.
x1_mask = mask_between_a_b(x1, 1, 3)
x2_mask = mask_between_a_b(x2, 5, 7)

x1m = x1[x1_mask]
y1m = y1[x1_mask]
x2m = x2[x2_mask]
y2m = y2[x2_mask]

# Add all three regions together to get the full curve.
x = list(x1m) + list(xinter) + list(x2m)
y = list(y1m) + list(yi1+yi2) + list(y2m)
plt.plot(x, y)