我就废话不多说了,大家还是直接看代码吧~
import numpy as np
#从scipy库中导入插值需要的方法 interpolate
from scipy import interpolate
#数据可视化,绘制散点图
import matplotlib.pyplot as plt
#定义函数 x:横坐标列表 y:纵坐标列表 kind:插值方式 f = interpolate.interp1d(x, y, kind=’cubic’)
插值方式:
nearest:最邻近插值法
zero:阶梯插值
slinear、linear:线性插值
quadratic、cubic:2、3阶B样条曲线插值
#定义新的横坐标列表
x_new=list(np.arange(0, 15, 0.5))
y_new=list(f(x_new))
plt.plot(x,y,'r',label='original values')
plt.plot(x_new,y_new,'b',label='interpolated values')
plt.show()
plt.close()
补充知识:python scipy样条插值函数大全(interpolate里interpld函数)
scipy样条插值
1、样条插值法是一种以可变样条来作出一条经过一系列点的光滑曲线的数学方法。插值样条是由一些多项式组成的,每一个多项式都是由相邻的两个数据点决定的,这样,任意的两个相邻的多项式以及它们的导数(不包括仇阶导数)在连接点处都是连续的。 连接点的光滑与连续是样条插值和前边分段多项式插值的主要区别。
2、在Scipy里可以用scipy.interpolate模块下的interpld函数 实现样条插值。 SciPy的0.14.0版本里样条插值方式有:’linear’,’zero’, ‘slinear’, ‘quadratic'(2次), ‘cubic'(3次), 4, 5等。
3、scipy多次样条插值的应用格式如下所示:
import numpy as np, matplotlib.pyplot as plt
from scipy.interpolate import interpld #导入scipy里interpolate模块中的interpld插值模块
x= np.array([0, 1, 2, 3, 4, 5, 6, 7])
y= np.array([3, 4, 3.5, 2, 1, 1.5, 1.25, 0.9]) #离散点的分布
xx = np.linspace(x.min(), x.max(), 100) #新的插值区间及其点的个数
plt.scatter(x, y) #散点图
#for n in ['linear','zero', 'slinear', 'quadratic', 'cubic', 4, 5]: #python scipy里面的各种插值函数
f = interp1d(x, y,kind="cubic") #编辑插值函数格式
ynew=f(xx) #通过相应的插值函数求得新的函数点
plt.plot(xx,ynew,"g") #输出新的函数点的图像
plt.show()
以上这篇python interpolate插值实例就是小编分享给大家的全部内容了,希望能给大家一个参考。