Python如何对折线进行平滑曲线处理？

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

import matplotlib.pyplot as plt
import numpy as np
from 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