scipy3.0-interpolate-插值-B样条interp1d、外推UnivariateSpline

最新推荐文章于 2024-07-18 12:59:56 发布

nutron-ma

最新推荐文章于 2024-07-18 12:59:56 发布

阅读量1.5k

点赞数 1

分类专栏：科学计算matplotlib、scipy、np、pd

本文链接：https://blog.csdn.net/qq_43328166/article/details/106190982

版权

科学计算matplotlib、scipy、np、pd 专栏收录该内容

21 篇文章 41 订阅 ¥19.90 ¥99.00

订阅专栏

本文介绍了Scipy 3.0中关于插值的方法，特别是B样条插值和外推技术。通过示例展示了三阶插值曲线和外推插值的效果，帮助理解如何利用UnivariateSpline进行数据平滑处理。

摘要由CSDN通过智能技术生成

"""
scipy:B样条插值与外推插值1.0
mayuhuaw
2020.5.14
"""
#适用拟合：可不过原数据点，样本数据量大
#适用插值：必须过原数据点。实验精度高，但实验次数少。

from scipy import interpolate
import numpy as np

#B样条插值
x = np.linspace(0,10,11)  #0-10间等间距取11个点
y = np.sin(x)

f = interpolate.interp1d(x,y,kind='quadratic')
#'zero'为0阶B样条插值（阶梯插值），'linear'1阶B样条插值（线性插值），'quadratic'2阶B样条插值，'cubic'3阶B样条插值

xnew = np.linspace(0,10,100)
ynew = f(xnew)

import matplotlib.pyplot as plt
plt.scatter(x,y)
plt.plot(xnew,ynew)
plt.show()

#外推插值
x1 = np.linspace(0,10,11)  #0-10间等间距取11个点
y1 = np.sin(x1)
g = interpolate.UnivariateSpline(x1,y1,k=3,s=0)   #k=3阶。s=0为平滑参数࿰

了解本专栏