Matplotlib 绘制平滑曲线
-
使用
scipy.interpolate.make_interp_spline()
类绘制平滑曲线 -
使用
scipy.ndimage.gaussian_filter1d()
类绘制平滑曲线 -
使用
scipy.interpolate.interp1d
类绘制平滑曲线
本教程解释了如何使用 Scipy
和 Matplotlib
包中的模块从给定坐标绘制一条平滑的曲线。
默认情况下,matplotlib.pyplot.plot()
函数是通过将数据中相邻的两个点用直线连接起来产生曲线,因此 matplotlib.pyplot.plot()
函数对于少量的数据点并不能产生平滑曲线。
为了绘制一条平滑曲线,我们首先要对曲线拟合一条曲线,并利用曲线找到 x 值对应的 y 值,并以无限小的空隙分开。最后,我们通过绘制那些间隙很小的点,得到一条平滑曲线。
使用 scipy.interpolate.make_interp_spline()
类绘制平滑曲线
import numpy as np
from scipy.interpolate import make_interp_spline
import matplotlib.pyplot as plt
x=np.array([1,2,3,4,5,6,7])
y=np.array([100,50,25,12.5,6.25,3.125,1.5625])
model=make_interp_spline(x, y)
xs=np.linspace(1,7,500)
ys=model(xs)
plt.plot(xs, ys)
plt.title("Smooth Spline Curve")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()
输出:
它通过使用 scipy.interpolate.make_interp_spline()
首先确定花键曲线的系数,绘制出一条平滑的花键曲线。我们用给定的数据来估计花样曲线的系数,然后用系数来确定间隔紧密的 x 值
的 y 值
,使曲线平滑。绘制曲线需要沿 X 轴 1 到 7 之间间隔相等的 500
。
默认情况下,花键曲线的度数是 3,我们可以设置 k
参数来改变花键曲线的度数。
如果我们使用给定的点来绘制曲线,我们得到的曲线为:
import numpy as np
import matplotlib.pyplot as plt
x=np.array([1,2,3,4,5,6,7])
y=np.array([100,50,25,12.5,6.25,3.125,1.5625])
plt.plot(x, y)
plt.title("Curve plotted using the given points")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()
输出:
使用 scipy.ndimage.gaussian_filter1d()
类绘制平滑曲线
import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter1d
x=np.array([1,2,3,4,5,6,7])
y=np.array([100,50,25,12.5,6.25,3.125,1.5625])
y_smoothed = gaussian_filter1d(y, sigma=5)
plt.plot(x, y_smoothed)
plt.title("Spline Curve Using the Gaussian Smoothing")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()
输出:
如果函数不平滑,我们可以使用 gaussian_filter1d()
来使 Y 值
平滑。scipy.ndimage.gaussian_filter1d()
类会对 Y 值
进行平滑处理,生成一条平滑的曲线,但是原来的 Y 值
可能会被改变。
sigma
参数代表高斯核的标准差,增加 sigma
的值会得到更平滑的曲线。
使用 scipy.interpolate.interp1d
类绘制平滑曲线
import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt
x=np.array([1,2,3,4,5,6,7])
y=np.array([100,50,25,12.5,6.25,3.125,1.5625])
cubic_interploation_model=interp1d(x,y,kind="cubic")
xs=np.linspace(1,7,500)
ys=cubic_interploation_model(xs)
plt.plot(xs, ys)
plt.title("Spline Curve Using Cubic Interpolation")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()
输出:
它使用 scipy.interpolate.interp1d
类生成一条立方插值曲线,然后我们使用这条曲线来确定间距紧密的 x 值
,从而得到一条平滑的曲线。绘制曲线时,需要在 X 轴上 1 和 7 之间取间隔相等的 500 个点。
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn