老卫带你学---Python用插值法绘制平滑曲线（包含3d）

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')