「Scipy」樣條插值在數據可視化中的運用

好久沒有更新文章了，學校的教材發下來了，作業一下就變多了。

成都創新互聯公司堅持“要么做到，要么別承諾”的工作理念，服務領域包括：成都網站制作、成都做網站、外貿營銷網站建設、企業官網、英文網站、手機端網站、網站推廣等服務，滿足客戶于互聯網時代的瑪曲網站設計、移動媒體設計的需求，幫助企業找到有效的互聯網解決方案。努力成為您成熟可靠的網絡建設合作伙伴！

首先，把最終效果放出來：

運用樣條插值，即 B-Spline ，可以使你在圖表中使用曲線連接離散數據（在插值法中，這些離散數據稱為 節點 ）

正如你在上面所看到的那樣，在Python中插值非常簡單， Scipy 中的 interpolate 為你提供了樣條插值所需要的一系列函數。

import部分就不多說了，

這里首先定義了一系列節點，這里數據是隨機的，

接下來，首先使用 linspace 為插值提供所需的x值， splrep 根據節點計算了樣條曲線的參數，最后將其傳遞給 splev 計算插值后的結果。

你可能是抱著想要用曲線連接節點的目的來看這篇文章，但看到這里還沒搞懂插值法是個什么玩意，那么接下來的內容就是在講數學中的插值法，與Python和Scipy已無關聯。

插值法，就是在給定的節點中作出合適的函數，使得這條曲線 經過每一個節點 ，這也就是為什么在數據可視化中使用插值而不是其他方法的原因，因為插值后仍然能夠準確知道每一節點所對應的值。

那么，是不是節點越多，插值的準確性就越高呢？

貌似是這樣，畢竟節點越多，對曲線的限制條件就越多，那準確性不久越高了。

但是呢，如果你使用多節點直接插值（不是在程序中插值，因為程序會使用分段樣條插值），你就會發現，曲線在兩段有明顯的震蕩，并且節點越多，震蕩越明顯、越大：

這種現象被稱為 Tolmé Runge 現象（ 龍格現象 ），描述的就是這一問題。對此的數學證明在知乎上有， 傳送門 。

通過龍格現象，我們會發現，當節點數量趨向于無窮時，插值的誤差會趨向于無窮大：

那么，如何避免這一情況呢，可以把我們原先的等距節點替換成Chebyshev節點，但是如果我們的離散數據確實等距，這一方法不好用，那么就可以才用分段插值，我們的程序對龍格現象也是這樣處理的。

分段插值就是將高次多項式拆分成多個低次多項式，一般都拆分成三次多項式。

由于插值和擬合常常一起出現，所以這里也簡單提一下擬合。

擬合是對你給出的離散數據，作出于數據 差距最小 的函數，另外，按照擬合的結果，擬合也分線性擬合和非線性擬合。

擬合與插值的差別就在于，插值必須過節點，但是擬合不需要，所以擬合曲線的整體效果會更好，也就是更平滑。

擬合一般都用在數據分析里，因為擬合曲線更能夠看出整體的變化趨勢嘛。

這篇文章寫起來難度還是想當大，如果我的描述有問題的話，歡迎評論區留言。

前往我的博客查看本文

如何通過python實現三次樣條插值

spline函數可以實現三次樣條插值 x = 0:10; y = sin(x); xx = 0:.25:10; yy = spline(x,y,xx); plot(x,y,'o',xx,yy) 另外fnplt csapi這兩個函數也是三次樣條插值函數，具體你可以help一下！

數值分析中的樣條函數:使用scipy.interpolate.splrep函數實現

在 數學 學科 數值分析 中， 樣條 是一種特殊的 函數 ，由 多項式 分段定義。樣條的 英語 單詞spline來源于可變形的樣條工具，那是一種在 造船 和 工程制圖 時用來畫出光滑形狀的工具。在中國大陸，早期曾經被稱做“齒函數”。后來因為工程學術語中“放樣”一詞而得名。

在 插值 問題中，樣條插值通常比 多項式插值 好用。用低階的樣條插值能產生和高階的多項式插值類似的效果，并且可以避免被稱為 龍格現象 的數值不穩定的出現。并且低階的樣條插值還具有“保凸”的重要性質。

在 計算機科學 的 計算機輔助設計 和 計算機圖形學 中，樣條通常是指分段定義的多項式 參數曲線 。由于樣條構造簡單，使用方便，擬合準確，并能近似 曲線擬合 和交互式曲線設計中復雜的形狀，樣條是這些領域中曲線的常用表示方法。

scipy.interpolate.splrep（x，y，w = None，xb = None，xe = None，k = 3，task = 0，s = None，t = None，full_output = 0，per = 0，quiet = 1 ）

找到一維曲線的B樣條曲線表示。

給定數據點集，確定區間上度k的平滑樣條近似。(x[i], y[i])xb = x = xe

x，y： array_like

定義曲線y = f（x）的數據點。

w： array_like，optional

權重的嚴格正秩1數組，其長度與x和y相同。權重用于計算加權最小二乘樣條擬合。如果y值中的誤差具有矢量d給出的標準偏差，則w應為1 / d。默認值為1（len（x））。

xb, xe：float, optional

適合的間隔。如果為None，則它們分別默認為x [0]和x [-1]。

k： int，optional

花鍵擬合的程度。建議使用三次樣條。甚至應避免使用k值，尤其是在s值小的情況下。1 = k = 5

task：{1, 0, -1}, optional

如果task == 0，則在給定的平滑因子s下找到t和c。

如果task == 1，則找到t和c作為平滑因子s的另一個值。對于同一組數據，必須先前有一個task = 0或task = 1的調用（t將存儲為內部使用）

如果task = -1，則找到給定結點t的加權最小二乘樣條曲線。這些應該是內部結，因為兩端的結將自動添加。

s：float, optional

平滑條件。滿足以下條件來確定平滑度：sum（（w （y-g）） * 2，axis = 0）= s其中g（x）是（x，y）的平滑插值。用戶可以使用s來控制貼合度和貼合度之間的權衡。較大的s表示更平滑，而較小的s表示較不平滑。s的推薦值取決于權重w。如果權重代表y的標準偏差的倒數，則應在（m-sqrt（2 * m），m + sqrt（2 * m））范圍內找到一個好的s值，其中m是x，y和w中的數據點。默認值：如果提供了權重，則s = m-sqrt（2 * m）。如果未提供權重，則s = 0.0（內插）。

t：array_like, optional

任務= -1所需的結。如果給出，則任務自動設置為-1。

f：full_outputbool, optional

如果非零，則返回可選輸出。

per：bool, optional

如果非零，則將數據點視為周期為x [m-1]-x [0]的周期，然后返回平滑的周期樣條近似。不使用y [m-1]和w [m-1]的值。

quiet：bool, optional

非零以禁止顯示消息。不推薦使用此參數；請改用標準的Python警告過濾器。

Returns：

tck：tuple

元組（t，c，k），包含結向量，B樣條系數和樣條度。

fp：array, optional

樣條近似值的平方殘差的加權總和。

ier：int, optional

有關splrep成功的整數標志。如果ier = 0，則表示成功。如果[1,2,3]中的ier發生錯誤，但未引發。否則會引發錯誤。

msg：str, optional

對應于整數標志ier的消息。

下面插值一個函數

分享題目：python中的樣條函數 python樣條曲線
當前路徑：http://vcdvsql.cn/article44/doodeee.html

成都網站建設公司_創新互聯，為您提供外貿建站、品牌網站建設、定制開發、網站維護、網站制作、軟件開發

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯