python利用插值法对折线进行平滑曲线处理


Posted in Python onDecember 25, 2018

在用python绘图的时候,经常由于数据的原因导致画出来的图折线分界过于明显,因此需要对原数据绘制的折线进行平滑处理,本文介绍利用插值法进行平滑曲线处理:

实现所需的库

numpy、scipy、matplotlib

插值法实现

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

1、插值: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。

2拟合: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

import matplotlib.pyplot as plt
import numpy as np
from scipy import interpolate

#设置距离
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])

#设置相似度
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轴值,表示从0到10间距为0.5的200个数
xnew =np.arange(0,10,0.1)

#实现函数
func = interpolate.interp1d(x,y,kind='cubic')

#利用xnew和func函数生成ynew,xnew数量等于ynew数量
ynew = func(xnew)

# 原始折线
plt.plot(x, y, "r", linewidth=1)

#平滑处理后曲线
plt.plot(xnew,ynew)
#设置x,y轴代表意思
plt.xlabel("The distance between POI and user(km)")
plt.ylabel("probability")
#设置标题
plt.title("The content similarity of different distance")
#设置x,y轴的坐标范围
plt.xlim(0,10,8)
plt.ylim(0,1)

plt.show()

python利用插值法对折线进行平滑曲线处理

绘制后的曲线,红色是未进行平滑处理的折线,蓝色是进行平滑处理之后的曲线

注意事项

1.x, y为原来的数据(少量)
2.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
3.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
4.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三水点靠木。

Python 相关文章推荐
Python中的异常处理简明介绍
Apr 13 Python
简单介绍Python中用于求最小值的min()方法
May 15 Python
在Python中操作字符串之rstrip()方法的使用
May 19 Python
详解Python的Flask框架中生成SECRET_KEY密钥的方法
Jun 07 Python
python判断字符串是否是json格式方法分享
Nov 07 Python
python 利用栈和队列模拟递归的过程
May 29 Python
Django 内置权限扩展案例详解
Mar 04 Python
详解Python计算机视觉 图像扭曲(仿射扭曲)
Mar 27 Python
对django的User模型和四种扩展/重写方法小结
Aug 17 Python
Python利用逻辑回归模型解决MNIST手写数字识别问题详解
Jan 14 Python
Keras中的多分类损失函数用法categorical_crossentropy
Jun 11 Python
Python在线和离线安装第三方库的方法
Oct 31 Python
基于Python对数据shape的常见操作详解
Dec 25 #Python
Python正则匹配判断手机号是否合法的方法
Dec 09 #Python
对Python正则匹配IP、Url、Mail的方法详解
Dec 25 #Python
Python 正则表达式匹配字符串中的http链接方法
Dec 25 #Python
Python lambda表达式用法实例分析
Dec 25 #Python
Python实现针对json中某个关键字段进行排序操作示例
Dec 25 #Python
浅谈python 读excel数值为浮点型的问题
Dec 25 #Python
You might like
改变Apache端口等配置修改方法
2008/06/05 PHP
让你成为更出色的PHP开发者的10个技巧
2011/02/25 PHP
PHP实现抓取迅雷VIP账号的方法
2015/07/30 PHP
php日志函数error_log用法实例分析
2019/09/23 PHP
jquery跟js初始化加载的多种方法及区别介绍
2014/04/02 Javascript
JS使用ajax方法获取指定url的head信息中指定字段值的方法
2015/03/24 Javascript
jQuery实现仿微软首页感应鼠标变化滑动窗口效果
2015/10/08 Javascript
13个PHP函数超实用
2015/10/21 Javascript
详解js中构造流程图的核心技术JsPlumb
2015/12/08 Javascript
nodeJs内存泄漏问题详解
2016/09/05 NodeJs
详解本地Node.js服务器作为api服务器的解决办法
2017/02/28 Javascript
javascript html5轻松实现拖动功能
2017/03/01 Javascript
推荐VSCode 上特别好用的 Vue 插件之vetur
2017/09/14 Javascript
JS 实现百度搜索功能
2018/02/01 Javascript
JS实现的贪吃蛇游戏完整实例
2019/01/18 Javascript
vue递归组件实战之简单树形控件实例代码
2019/08/27 Javascript
layui的select联动实现代码
2019/09/28 Javascript
JavaScript 监听组合按键思路及代码实现
2020/07/28 Javascript
python使用正则表达式提取网页URL的方法
2015/05/26 Python
Python ftp上传文件
2016/02/13 Python
python3.5+tesseract+adb实现西瓜视频或头脑王者辅助答题
2018/01/17 Python
Python实现一个带权无回置随机抽选函数的方法
2019/07/24 Python
Pycharm连接远程服务器并实现远程调试的实现
2019/08/02 Python
python并发编程 Process对象的其他属性方法join方法详解
2019/08/20 Python
Django实现文件上传和下载功能
2019/10/06 Python
opencv3/C++实现视频背景去除建模(BSM)
2019/12/11 Python
产品包装策划方案
2014/05/18 职场文书
县委常委班子对照检查材料思想汇报
2014/09/28 职场文书
不尊敬老师的检讨书
2014/12/21 职场文书
运动会运动员赞词
2015/07/22 职场文书
小学生班干部竞选稿
2015/11/20 职场文书
小学班级管理心得体会
2016/01/07 职场文书
Python djanjo之csrf防跨站攻击实验过程
2021/05/14 Python
nginx配置文件使用环境变量的操作方法
2021/06/02 Servers
深入理解python协程
2021/06/15 Python
Go语言编译原理之源码调试
2022/08/05 Golang