Python如何對摺線進行平滑曲線處理？
- 2020 年 1 月 9 日
- 筆記
在用python繪圖的時候，經常由於數據的原因導致畫出來的圖折線分界過於明顯，因此需要對原數據繪製的折線進行平滑處理，本文介紹利用插值法進行平滑曲線處理：
實現所需的庫
numpy、scipy、matplotlib
插值法實現
nearest：最鄰近插值法 zero：階梯插值 slinear：線性插值 quadratic、cubic：2、3階B樣條曲線插值
擬合和插值的區別
插值：簡單來說，插值就是根據原有數據進行填充，最後生成的曲線一定過原有點。
擬合：擬合是通過原有數據，調整曲線係數，使得曲線與已知點集的差別（最小二乘）最小，最後生成的曲線不一定經過原有點。
程式碼實現
|
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 #設置距離 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]) #設置相似度 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]) #插值法之後的x軸值，表示從0到10間距為0.5的200個數 xnew =np.arange(0,10,0.1) #實現函數 func = interpolate.interp1d(x,y,kind='cubic') #利用xnew和func函數生成ynew,xnew數量等於ynew數量 ynew = func(xnew) # 原始折線 plt.plot(x, y, "r", linewidth=1) #平滑處理後曲線 plt.plot(xnew,ynew) #設置x,y軸代表意思 plt.xlabel("The distance between POI and user(km)") plt.ylabel("probability") #設置標題 plt.title("The content similarity of different distance") #設置x,y軸的坐標範圍 plt.xlim(0,10,8) plt.ylim(0,1) plt.show() |
|---|
繪製後的曲線，紅色是未進行平滑處理的折線，藍色是進行平滑處理之後的曲線 cpc30
注意事項
x, y為原來的數據（少量） xnew為一個數組，條件：x??xnew
如：x的最小值為-2.931，最大值為10.312；則xnew的左邊界要小於-2.931，右邊界要大於10.312。當然也最好注意一下間距，最好小於x中的精度 func為函數，裡面的參數x、y、kind，x，y就是原數據的x，y，kind為需要指定的方法 ynew需要通過xnew數組和func函數來生成，理論上xnew數組內的值越多，生成的曲線越平滑
