#!/usr/bin/env python
# -*-coding:utf-8 -*-
import numpy as np
from scipy import interpolate
import pylab as pl
x = np.linspace(0, 10, 11)
# x=[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
y = np.sin(x)
xnew = np.linspace(0, 10, 101)
pl.plot(x, y, "ro")
for kind in ["nearest", "zero", "slinear", "quadratic", "cubic"]: # 插值方式
# "nearest","zero"为阶梯插值
# slinear 线性插值
# "quadratic","cubic" 为2阶、3阶B样条曲线插值
f = interpolate.interp1d(x, y, kind=kind)
# ‘slinear’, ‘quadratic’ and ‘cubic’ refer to a spline interpolation of first, second or third order)
ynew = f(xnew)
pl.plot(xnew, ynew, label=str(kind)) #label用来显示图例
pl.legend(loc="lower right") #显示图例的位置
pl.show()
PS:很有道理的样子
插值不同于拟合。插值函数经过样本点,拟合函数一般基于最小二乘法尽量靠近所有样本点穿过。常见插值方法有拉格朗日插值法、分段插值法、样条插值法。
拉格朗日插值多项式:当节点数n较大时,拉格朗日插值多项式的次数较高,可能出现不一致的收敛情况,而且计算复杂。随着样点增加,高次插值会带来误差的震动现象称为龙格现象。
分段插值:虽然收敛,但光滑性较差。
样条插值:样条插值是使用一种名为样条的特殊分段多项式进行插值的形式。由于样条插值可以使用低阶多项式样条实现较小的插值误差,这样就避免了使用高阶多项式所出现的龙格现象,所以样条插值得到了流行。