我就廢話(huà)不多說(shuō)了，大家還是直接看代碼吧~

import numpy as np#從scipy庫(kù)中導(dǎo)入插值需要的方法 interpolatefrom scipy import interpolate#數(shù)據(jù)可視化,繪制散點(diǎn)圖import matplotlib.pyplot as plt

#定義函數(shù) x:橫坐標(biāo)列表 y:縱坐標(biāo)列表 kind:插值方式

f = interpolate.interp1d(x, y, kind=’cubic’)

插值方式：

nearest：最鄰近插值法

zero：階梯插值

slinear、linear：線性插值

quadratic、cubic：2、3階B樣條曲線插值

#定義新的橫坐標(biāo)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()

補(bǔ)充知識(shí)：python scipy樣條插值函數(shù)大全（interpolate里interpld函數(shù)）

scipy樣條插值

1、樣條插值法是一種以可變樣條來(lái)作出一條經(jīng)過(guò)一系列點(diǎn)的光滑曲線的數(shù)學(xué)方法。插值樣條是由一些多項(xiàng)式組成的，每一個(gè)多項(xiàng)式都是由相鄰的兩個(gè)數(shù)據(jù)點(diǎn)決定的，這樣，任意的兩個(gè)相鄰的多項(xiàng)式以及它們的導(dǎo)數(shù)(不包括仇階導(dǎo)數(shù))在連接點(diǎn)處都是連續(xù)的。 連接點(diǎn)的光滑與連續(xù)是樣條插值和前邊分段多項(xiàng)式插值的主要區(qū)別。

2、在Scipy里可以用scipy.interpolate模塊下的interpld函數(shù) 實(shí)現(xiàn)樣條插值。 SciPy的0.14.0版本里樣條插值方式有：’linear’,’zero’, ’slinear’, ’quadratic’(2次), ’cubic’(3次), 4, 5等。

3、scipy多次樣條插值的應(yīng)用格式如下所示:

import numpy as np, matplotlib.pyplot as pltfrom scipy.interpolate import interpld #導(dǎo)入scipy里interpolate模塊中的interpld插值模塊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]) #離散點(diǎn)的分布xx = np.linspace(x.min(), x.max(), 100) #新的插值區(qū)間及其點(diǎn)的個(gè)數(shù)plt.scatter(x, y) #散點(diǎn)圖#for n in [’linear’,’zero’, ’slinear’, ’quadratic’, ’cubic’, 4, 5]: #python scipy里面的各種插值函數(shù)f = interp1d(x, y,kind='cubic') #編輯插值函數(shù)格式y(tǒng)new=f(xx) #通過(guò)相應(yīng)的插值函數(shù)求得新的函數(shù)點(diǎn)plt.plot(xx,ynew,'g') #輸出新的函數(shù)點(diǎn)的圖像plt.show()

以上這篇python interpolate插值實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持好吧啦網(wǎng)。