Python-玩转数据-函数近似(插值拟合)

一、说明

在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。插值:用来填充图像变换时像素之间的空隙。

插值方法一般是适合于低维的问题。给定一组观测值（在x轴方向进行排序），基本的思想是对两个点之间的数据做回归，得到的结果是分段定义的函数可以较好的拟合原始函数，同时函数在数据点上是连续可微的，连续可微需要至少三次插值，即cubic spline。但是这个方法也可以应用于一般的二维甚至是线性的插值。

二、插值函数

splrep函数和splev函数处理回归系数的估计和回归结果的拟合。

主要参数如下表所示：
splrep 参数

参数	含义
x	(排序)x坐标（自变量）
y	(x排序)y坐标（因变量）
w	应用于因变量的权重
xb,xe	拟合区间
k	拟合阶数
s	平滑参数因子
full_out	如果True,那么返回更多的结果
put	结果
quite	如果True,则忽略消息

splev 参数

参数	含义
x	(排序)x坐标（自变量）
tck	由splrep 返回的参数序列
der	导数的阶数
ext	如果x不在Knot序列中的行为

三、一次样条插值

import numpy as np
import matplotlib.pylab as plt



import  scipy.interpolate as spi
x=np.linspace(-2*np.pi,2*np.pi,25)
def f(x):