我在用gnuplot绘制来自两个单独的 csv 文件的数据（在此链接中找到：https://drive.google.com/open?id=0B2Iv8dfU4fTUZGV6X1Bvb3c4TWs https://drive.google.com/open?id=0B2Iv8dfU4fTUZGV6X1Bvb3c4TWs）具有不同的行数，生成下图。
这些数据似乎没有共同的时间戳（第一列）csv文件，但gnuplot似乎符合如上所示的绘图。
这里是gnuplot我用来生成情节的脚本。
# ###### GNU Plot
set style data lines
set terminal postscript eps enhanced color "Times" 20
set output "output.eps"
set title "Actual vs. Estimated Comparison"
set style line 99 linetype 1 linecolor rgb "#999999" lw 2
#set border 1 back ls 11
set key right top
set key box linestyle 50
set key width -2
set xrange [0:10]
set key spacing 1.2
#set nokey
set grid xtics ytics mytics
#set size 2
#set size ratio 0.4
#show timestamp
set xlabel "Time [Seconds]"
set ylabel "Segments"
set style line 1 lc rgb "#ff0000" lt 1 pi 0 pt 4 lw 4 ps 0
plot "estimated.csv" using ($1):2 with lines title "Estimated", "actual.csv" using ($1):2 with lines title "Actual";
有没有什么方法可以通过忽略绿色图上方的峰值来打印（写入文件）这些图的交集值？我也尝试过执行 sql-join 查询，但出于与我上面解释的相同原因，它似乎没有打印出任何内容。
PS：如果蓝线不接触绿线（即，如果它远低于绿线），我想获取最接近的绿线的值，以便它将是一一对应的（或非常接近）与实际数据集。
也许可以以某种方式强制 Gnuplot 在精细网格上重新插值两个数据集，保存这些辅助数据，然后逐行比较。然而，我认为将这个任务委托给外部工具确实更实用。
这当然不是最有效的方法，但是“惰性方法”可能是读取数据点，将每个数据集解释为 LineString（线段的集合，本质上相当于假设数据点之间的线性插值），然后计算交点。在 Python 中，执行此操作的脚本可能如下所示：
#!/usr/bin/env python
import sys
import numpy as np
from shapely.geometry import LineString
#-------------------------------------------------------------------------------
def load_data(fname):
return LineString(np.genfromtxt(fname, delimiter = ','))
#-------------------------------------------------------------------------------
lines = list(map(load_data, sys.argv[1:]))
for g in lines[0].intersection(lines[1]):
if g.geom_type != 'Point':
continue
print('%f,%f' % (g.x, g.y))
然后在 Gnuplot 中，可以直接调用它：
set terminal pngcairo
set output 'fig.png'
set datafile separator comma
set yr [0:700]
set xr [0:10]
set xtics 0,2,10
set ytics 0,100,700
set grid
set xlabel "Time [seconds]"
set ylabel "Segments"
plot \
'estimated.csv' w l lc rgb 'dark-blue' t 'Estimated', \
'actual.csv' w l lc rgb 'green' t 'Actual', \
'<python filter.py estimated.csv actual.csv' w p lc rgb 'red' ps 0.5 pt 7 t ''
which gives:
