原图:
平滑处理后:
代码实现如下:
# 1. 随机构造数据
import numpy as np
x = range(10)
y = np.random.randint(10,size=10)
# 2. 绘制原图
import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline # jupyter notebook显示绘图
from scipy.interpolate import spline # 借助scipy库
plt.plot(x, y)
plt.show()
# 3. 绘制平滑曲线
from scipy.interpolate import spline
# 插值法,50表示插值个数,个数>=实际数据个数,一般来说差值个数越多,曲线越平滑
x_new = np.linspace(min(x),max(x),50)
y_smooth = spline(x, y, x_new)
plt.plot(x_new, y_smooth)
plt.show()
以上经过平滑后的曲线可能和原图差距很大,这个主要看数据本身的规律性。如果数据本身比较杂乱无章,如下:
则平滑后为:
平滑后曲线和原图还是差得很远的,因此该方法慎用,不是万能的。
3维光滑曲线
如果要对三维直线进行光滑处理,比如(x,y,z)。
我们只需要在2维的基础上加入对z的光滑处理就可以了
def add_line_smooth(results): ###results就是我们的三维点的列表
x_result=[]
y_result=[]
z_result=[]
for i in results:
i=list(i)
x_result.append(i[0])
y_result.append(i[1])
z_result.append(i[2])
xnew=np.linspace(max(x_result),min(x_result),30)
y_result=np.array(y_result)
ysmooth=spline(x_result,y_result,xnew)
zsmooth=spline(x_result,z_result,xnew)
ax.plot3D(xnew,ysmooth,zsmooth,c='r')