关于interp1d
使用interp1d
可以使得折线更加平滑
interp1d
的使用
import random
import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import interp1d
years = list(range(2000, 2025))
months = list(range(6, 9))
results = []
for year in years:
result = []
for month in months:
random_number = random.random()
result.append(random_number)
if (month == 8):
results.append(result)
x_ = np.linspace(6, 8, 50)
for i, line in enumerate(results):
cubic_interpolation_model = interp1d(months, line, kind="cubic")
Y_ = cubic_interpolation_model(x_)
plt.plot(x_, Y_, label=f'Year {years[i]}')
plt.show()
在使用过程中,遇到如下错误
The number of derivatives at boundaries does not match: expected 1, got 0+0
问题分析
先分析一下interp1d
的原理
interp1d
利用给出的样本数据通过三次插值,得出一个最拟合折线的曲线函数,再利用该曲线函数和新x_
值生成插值y_
。
由于是三次插值,最少要有四组值。
但是这里代码中只给出了3组值(对应6,7,8月份),不能够得出曲线函数,故出现该错误
解决方法
增加样本数据
在这里的体现是增加月份
修改后的代码:
import random
import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import interp1d
years = list(range(2000, 2025))
months = list(range(5, 9))
results = []
for year in years:
result = []
for month in months:
random_number = random.random()
result.append(random_number)
if (month == 8):
results.append(result)
x_ = np.linspace(5, 8, 100)
for i, line in enumerate(results):
cubic_interpolation_model = interp1d(months, line, kind="cubic")
Y_ = cubic_interpolation_model(x_)
plt.plot(x_, Y_, label=f'Year {years[i]}')
plt.show()
处理后的图:
将三次插值改为线性插值
cubic_interpolation_model = interp1d(months, line, kind="linear")
此方法效果并不好
原始图:
效果图: