在用python绘图的时候，经常由于数据的原因导致画出来的图折线分界过于明显，因此需要对原数据绘制的折线进行平滑处理，本文介绍利用插值法进行平滑曲线处理：
实现所需的库
numpy、scipy、matplotlib
插值法实现
nearest：最邻近插值法 zero：阶梯插值 slinear：线性插值 quadratic、cubic：2、3阶B样条曲线插值
拟合和插值的区别
插值：简单来说，插值就是根据原有数据进行填充，最后生成的曲线一定过原有点。
拟合：拟合是通过原有数据，调整曲线系数，使得曲线与已知点集的差别（最小二乘）最小，最后生成的曲线不一定经过原有点。
代码实现
|
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 pltimport
numpy as npfrom
scipy import
interpolate#设置距离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])#设置相似度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轴值，表示从0到10间距为0.5的200个数xnew
=np.arange(0,10,0.1)#实现函数func
= interpolate.interp1d(x,y,kind='cubic')#利用xnew和func函数生成ynew,xnew数量等于ynew数量ynew
= func(xnew)#
原始折线plt.plot(x,
y, "r",
linewidth=1)#平滑处理后曲线plt.plot(xnew,ynew)#设置x,y轴代表意思plt.xlabel("The
distance between POI and user(km)")plt.ylabel("probability")#设置标题plt.title("The
content similarity of different distance")#设置x,y轴的坐标范围plt.xlim(0,10,8)plt.ylim(0,1)plt.show() |
绘制后的曲线，红色是未进行平滑处理的折线，蓝色是进行平滑处理之后的曲线 cpc30
注意事项
x, y为原来的数据（少量） xnew为一个数组，条件：x??xnew
如：x的最小值为-2.931，最大值为10.312；则xnew的左边界要小于-2.931，右边界要大于10.312。当然也最好注意一下间距，最好小于x中的精度 func为函数，里面的参数x、y、kind，x，y就是原数据的x，y，kind为需要指定的方法 ynew需要通过xnew数组和func函数来生成，理论上xnew数组内的值越多，生成的曲线越平滑
