python使用插值法画出平滑曲线
本文实例为大家分享了python使用插值法画出平滑曲线的具体代码,供大家参考,具体内容如下
实现所需的库
numpy、scipy、matplotlib
实现所需的方法
插值
- nearest:最邻近插值法
- zero:阶梯插值
- slinear:线性插值
- quadratic、cubic:2、3阶B样条曲线插值
拟合和插值的区别
简单来说,插值就是根据原有数据进行填充,最后生成的曲线一定过原有点。
拟合是通过原有数据,调整曲线系数,使得曲线与已知点集的差别(最小二乘)最小,最后生成的曲线不一定经过原有点。
代码实现
#-*-coding:utf-8-*- #调用模块 #调用数组模块 importnumpyasnp #实现插值的模块 fromscipyimportinterpolate #画图的模块 importmatplotlib.pyplotasplt #生成随机数的模块 importrandom #random.randint(0,10)生成0-10范围内的一个整型数 #y是一个数组里面有10个随机数,表示y轴的值 y=np.array([random.randint(0,10)for_inrange(10)]) #x是一个数组,表示x轴的值 x=np.array([numfornuminrange(10)]) #插值法之后的x轴值,表示从0到9间距为0.5的18个数 xnew=np.arange(0,9,0.5) """ kind方法: nearest、zero、slinear、quadratic、cubic 实现函数func """ func=interpolate.interp1d(x,y,kind='cubic') #利用xnew和func函数生成ynew,xnew的数量等于ynew数量 ynew=func(xnew) #画图部分 #原图 plt.plot(x,y,'ro-') #拟合之后的平滑曲线图 plt.plot(xnew,ynew) plt.show()
注意事项/p>
- x,y为原来的数据(少量)
- xnew为一个数组,条件:x⊆⊆xnew
- 如:x的最小值为-2.931,最大值为10.312;则xnew的左边界要小于-2.931,右边界要大于10.312。当然也最好注意一下间距,最好小于x中的精度
- func为函数,里面的参数x、y、kind,x,y就是原数据的x,y,kind为需要指定的方法
- ynew需要通过xnew数组和func函数来生成
- 理论上xnew数组内的值越多,生成的曲线越平滑
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。