基于Python的scipy模块函数做曲线插值拟合并推算出新值的方法

前言

工作上遇到一个数据处理的问题：供应商提供了一个器件的S参数，其中S11和S21提供的测试频点不一样，需要将S11的曲线拟合出来，再用S21的频率求到对应的值。

一开始想着最愚蠢的办法，认为两点间是完全线性，把现有S11所有频率相邻两点间做线性拟合，然后再用S21的频率点去一段段的找，找到在哪段频率范围内，就用线性拟合出来的公式算这个点的值。这个方法显然是很不科学的。并且就算用Excel来弄，也是需要花一点功夫的。

想着无所不能的Python对这类数据分析处理不是很擅长嘛，一定有相关的模块可以直接搞定的。于是乎网上找了一通后，发现了这个scipy模块函数做曲线插值拟合。

---

正文

直接上代码吧：

一，首先是需要用到的模块部分

import pandas as pd
import matplotlib.pyplot as plt
from scipy import interpolate
import numpy as np
import xlwt

用pandas读取和写入Excel；用pyplot来画图；核心是scipy里的interpolate 来做插值拟合。

二，读取Excel里面的S11数据

io = r'S11.xlsx'
# 打开最新的xlsx文件，需要使用‘openpyxl’；加入keep_default_na=False 这样空值后面好处理
df = pd.read_excel(io, sheet_name=0, engine='openpyxl', keep_default_na=False)

S21freqData = df['Hz']
S11freqData = df['S11_Hz']
S11Data = df['S11']

‘Hz’列是S21的频率点，也就是我们需要用这些频率点去找到对应的S11参数；‘S11_Hz’列是S11原本测试频率点；'S11'列则是S11原本频率点的值。

我们需要通过S11freqData和S11Data将S11曲线完全拟合出来，再代入S21freqData的频率点，求得这些频率点对应的S11参数。

三，插值拟合

插值拟合这个说法不知道对不对，没有去细究，反正要实现上面说的目的就需要用到scipy里的interpolate模块。

因为拟合曲线用到的函数splrep只能处理list，pandas读取的数据是dataframe的格式，因此需要处理成list格式。

# interpolate.splrep 只能处理list，dataframe格式会报错，所以下面需要将dataframe导入到list里
newX = []
x = []
y = []
for data in S21freqData:
    if data == '':
        break
    newX.append(data)

for data in S11freqData:
    if data == '':
        break
    x.append(data)

for data in S11Data:
    if data == '':
        break
    y.append(data)

然后使用interpolate.splrep函数，简单的一行代码，完成拟合。

# 拟合曲线
tck = interpolate.splrep(x, y)

再用interpolate.splev函数，得到S21频率点在拟合出来的S11上的值

# 用新的x轴值求得拟合曲线的y值
newY = interpolate.splev(newX, tck)

四，存储数据

用pandas将求得的值重新保存在Excel里面

df_newY = pd.DataFrame({
    'S11vsS21Freq': newY
})
with pd.ExcelWriter('newS11.xls') as writer:
    df_newY.to_excel(writer, sheet_name='newS11')

五，画图 

直接上代码：

plt.scatter(x, y, 25, 'red')
plt.plot(newX, newY)
plt.show()

 最终图片结果如下所示：

红点是原本的S11的数据值，蓝线则是拟合出来的曲线。可以看到，两者几乎是重叠的。

---

后记：

这个案例的代码本身是很简单的，这里只是做一个记录以备后续查看。

主要想说几点感悟：

1，Python真是无所不能，只要你想得到，Python就能做得到；

2，工作和学习相结合，一定是最高效的，工作高效了，学习也高效了。后续一定会持续通过学习Python来解决工作上的很多问题； 

3，搜索能力也是非常的重要。这个案例中，由于数学基础薄弱，其实我自己都说不清楚到底是要实现一个什么样的数学处理。但还好给出的关键字还算靠谱，让我在百度上在无穷无尽的Python函数库里面找到了我想要的函数。其实整个完成的过程，耗时最长的就是找出这个函数库=_=！