Python如何对折线进行平滑曲线处理？

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

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。

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

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

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()

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 cpc30

注意事项

x, y为原来的数据（少量） 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 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 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

转载于:https://www.cnblogs.com/xyou/p/8578896.html