在用python繪圖的時候，經常由于數據的原因導致畫出來的圖折線分界過于明顯，因此需要對原數據繪制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

1、插值：簡單來說，插值就是根據原有數據進行填充，最后生成的曲線一定過原有點。

2擬合：擬合是通過原有數據，調整曲線系數，使得曲線與已知點集的差別（最小二乘）最小，最后生成的曲線不一定經過原有點。

代碼實現

import matplotlib.pyplot as pltimport numpy as npfrom 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])#插值法之后的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數量等于ynew數量ynew = func(xnew)# 原始折線plt.plot(x, y, "r", linewidth=1)#平滑處理后曲線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軸的坐標范圍plt.xlim(0,10,8)plt.ylim(0,1)plt.show()

繪制后的曲線，紅色是未進行平滑處理的折線，藍色是進行平滑處理之后的曲線

注意事項

1.x, y為原來的數據（少量）
2.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的左邊界要小于-2.931，右邊界要大于10.312。當然也最好注意一下間距，最好小于x中的精度
3.func為函數，里面的參數x、y、kind，x，y就是原數據的x，y，kind為需要指定的方法
4.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

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林站長站。