Bagaimana untuk Menentukan Persimpangan y-Axis Tepat Titik Data dalam Python?

Mencari Persilangan Tepat Titik Data dengan Paksi-y

Apabila memplot data dalam Python, adalah berguna untuk mendapatkan nilai tepat di mana lengkung bersilang dengan paksi-y. Nilai ini boleh ditentukan menggunakan kaedah berangka, khususnya melalui interpolasi linear.

Penyelesaian Menggunakan Interpolasi Linear

Kod berikut menunjukkan cara mencari persilangan sifar tatasusunan data menggunakan interpolasi linear:

<code class="python">import numpy as np

# Generate sample data
N = 750
x = .4 + np.sort(np.random.rand(N)) * 3.5
y = (x - 4) * np.cos(x * 9.) * np.cos(x * 6 + 0.05) + 0.1

# Define function to find roots (zero crossings)
def find_roots(x, y):
    s = np.abs(np.diff(np.sign(y))).astype(bool)
    return x[:-1][s] + np.diff(x)[s]/(np.abs(y[1:][s]/y[:-1][s])+1)

# Find zero crossings
z = find_roots(x, y)

# Plot data and zero crossings
import matplotlib.pyplot as plt
plt.plot(x, y)
plt.plot(z, np.zeros(len(z)), marker="o", ls="", ms=4)
plt.show()</code>

Plot Songsang untuk Pintasan pada Nilai-y Bukan Sifar

Kaedah di atas boleh diubah suai untuk mencari pintasan pada nilai-y bukan sifar (y0) dengan mencari sifar bagi y - y0:

<code class="python">y0 = 1.4
z = find_roots(x, y - y0)
plt.plot(z, np.zeros(len(z)) + y0)</code>

Persilangan Antara Dua Lengkung

Sama seperti kaedah pertama, mencari titik persilangan antara dua lengkung melibatkan mencari sifar bagi perbezaan antara dua tatasusunan data:

<code class="python"># Generate sample data
x = .4 + np.sort(np.random.rand(N)) * 3.5
y1 = (x - 4) * np.cos(x * 9.) * np.cos(x * 6 + 0.05) + 0.1
y2 = (x - 2) * np.cos(x * 8.) * np.cos(x * 5 + 0.03) + 0.3

# Find intersection points
z = find_roots(x, y2 - y1)

# Plot data and intersection points
plt.plot(x, y1)
plt.plot(x, y2, color="C2")
plt.plot(z, np.interp(z, x, y1), marker="o", ls="", ms=4, color="C1")</code>

Atas ialah kandungan terperinci Bagaimana untuk Menentukan Persimpangan y-Axis Tepat Titik Data dalam Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!