python 数据、曲线平滑处理——插值法对折线平滑处理——详解

如图想对下面的折线 进行平滑处理

1 插值法对曲线平滑处理

实现所需的库： numpy、scipy、matplotlib

1.1 插值法的常见实现方法

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

1.2 拟合和插值的区别

1、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。

2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。

1.3 代码实例

代码语法：

通过执行from scipy.interpolate import make_interp_spline，导入make_interp_spline模块，之后调用make_interp_spline(x, y)(x_smooth)函数实现。

官方帮助文档: scipy.interpolate.make_interp_spline

import numpy as np
from matplotlib import pyplot as plt
from scipy.interpolate import make_interp_spline

Size = 30
x = np.arange(Size)
y = np.random.randint(1, Size, Size)

#平滑前
plt.plot(x, y,'r')
plt.show()

#平滑处理后
x_smooth = np.linspace(x.min(), x.max(), 500)  # np.linspace 等差数列,从x.min()到x.max()生成300个数，便于后续插值
y_smooth = make_interp_spline(x, y)(x_smooth)
plt.plot(x_smooth, y_smooth,'b')
plt.show()

插值法 平滑处理 前后对比

2 曲线平滑处理——Savitzky-Golay 滤波器——详解

曲线平滑处理——Savitzky-Golay 滤波器——详解

3 基于Numpy.convolve实现滑动平均滤波——详解

基于Numpy.convolve实现滑动平均滤波——详解

插值法对折线平滑处理——详解