溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
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 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億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
