python利用插值法對(duì)折線進(jìn)行平滑曲線處理
在用python繪圖的時(shí)候,經(jīng)常由于數(shù)據(jù)的原因?qū)е庐嫵鰜淼膱D折線分界過于明顯,因此需要對(duì)原數(shù)據(jù)繪制的折線進(jìn)行平滑處理,本文介紹利用插值法進(jìn)行平滑曲線處理:
實(shí)現(xiàn)所需的庫
numpy、scipy、matplotlib
插值法實(shí)現(xiàn)
nearest:最鄰近插值法
zero:階梯插值
slinear:線性插值
quadratic、cubic:2、3階B樣條曲線插值
-
擬合和插值的區(qū)別
1、插值:簡單來說,插值就是根據(jù)原有數(shù)據(jù)進(jìn)行填充,最后生成的曲線一定過原有點(diǎn)。
2擬合:擬合是通過原有數(shù)據(jù),調(diào)整曲線系數(shù),使得曲線與已知點(diǎn)集的差別(最小二乘)最小,最后生成的曲線不一定經(jīng)過原有點(diǎn)。
代碼實(shí)現(xiàn)
import matplotlib.pyplot as plt import numpy as np from scipy import interpolate #設(shè)置距離 x =np.array([0, 1, 1.5, 2, 2.5, 3, 3.5, 4, 4.5, 5, 5.5, 6, 6.5, 70, 8, 9,10]) #設(shè)置相似度 y =np.array([0.8579087793827057, 0.8079087793827057, 0.7679087793827057, 0.679087793827057, 0.5579087793827057, 0.4579087793827057, 0.3079087793827057, 0.3009087793827057, 0.2579087793827057, 0.2009087793827057, 0.1999087793827057, 0.1579087793827057, 0.0099087793827057, 0.0079087793827057, 0.0069087793827057, 0.0019087793827057, 0.0000087793827057]) #插值法之后的x軸值,表示從0到10間距為0.5的200個(gè)數(shù) xnew =np.arange(0,10,0.1) #實(shí)現(xiàn)函數(shù) func = interpolate.interp1d(x,y,kind='cubic') #利用xnew和func函數(shù)生成ynew,xnew數(shù)量等于ynew數(shù)量 ynew = func(xnew) # 原始折線 plt.plot(x, y, "r", linewidth=1) #平滑處理后曲線 plt.plot(xnew,ynew) #設(shè)置x,y軸代表意思 plt.xlabel("The distance between POI and user(km)") plt.ylabel("probability") #設(shè)置標(biāo)題 plt.title("The content similarity of different distance") #設(shè)置x,y軸的坐標(biāo)范圍 plt.xlim(0,10,8) plt.ylim(0,1) plt.show()
繪制后的曲線,紅色是未進(jìn)行平滑處理的折線,藍(lán)色是進(jìn)行平滑處理之后的曲線
注意事項(xiàng)
1.x, y為原來的數(shù)據(jù)(少量)
2.xnew為一個(gè)數(shù)組,條件:x⊆⊆xnew
如:x的最小值為-2.931,最大值為10.312;則xnew的左邊界要小于-2.931,右邊界要大于10.312。當(dāng)然也最好注意一下間距,最好小于x中的精度
3.func為函數(shù),里面的參數(shù)x、y、kind,x,y就是原數(shù)據(jù)的x,y,kind為需要指定的方法
4.ynew需要通過xnew數(shù)組和func函數(shù)來生成,理論上xnew數(shù)組內(nèi)的值越多,生成的曲線越平滑
以上就是本文的全部內(nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
解決Python3用PIL的ImageFont輸出中文亂碼的問題
今天小編大家分享一篇解決Python3用PIL的ImageFont輸出中文亂碼的問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-08-08Python中線程的MQ消息隊(duì)列實(shí)現(xiàn)以及消息隊(duì)列的優(yōu)點(diǎn)解析
消息隊(duì)列(MQ,Message Queue)在消息數(shù)據(jù)傳輸中的保存作用為數(shù)據(jù)通信提供了保障和實(shí)時(shí)處理上的便利,這里我們就來看一下Python中線程的MQ消息隊(duì)列實(shí)現(xiàn)以及消息隊(duì)列的優(yōu)點(diǎn)解析2016-06-06Pandas groupby apply agg 的區(qū)別 運(yùn)行自定義函數(shù)說明
這篇文章主要介紹了Pandas groupby apply agg 的區(qū)別 運(yùn)行自定義函數(shù)說明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-03-03python負(fù)載均衡的簡單實(shí)現(xiàn)方法
這篇文章給大家介紹用python實(shí)現(xiàn)最簡單的負(fù)載均衡方法,即將請(qǐng)求發(fā)送到未宕機(jī)的服務(wù)器上,感興趣的朋友一起看看吧2018-02-02python函數(shù)和python匿名函數(shù)lambda詳解
這篇文章主要介紹了python函數(shù)和python匿名函數(shù)lambda,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-09-09Python匿名函數(shù)/排序函數(shù)/過濾函數(shù)/映射函數(shù)/遞歸/二分法
這篇文章主要介紹了Python匿名函數(shù)/排序函數(shù)/過濾函數(shù)/映射函數(shù)/遞歸/二分法 ,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-06-06