SciPy单调三次样条插值

对于这种类型的图形,您需要 单调的 插值这个 PchipInterpolator 类(可以通过其较短的别名来引用) pchip )在scipy。可以使用插值:

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


# Data to be interpolated.
x = np.arange(10.0)
y = np.array([5.0, 10.0, 20.0, 15.0, 13.0, 22.0, 20.0, 15.0, 12.0, 16.0])

# Create the interpolator.
interp = pchip(x, y)

# Dense x for the smooth curve.
xx = np.linspace(0, 9.0, 101)

# Plot it all.
plt.plot(xx, interp(xx))
plt.plot(x, y, 'bo')
plt.ylim(0, 25)
plt.grid(True)
plt.show()

结果:

问题不是显示问题。这是一个插值问题。使用样条函数进行插值。选择正确的插值方法在很大程度上取决于您拥有的数据类型。你不能期望插值函数在任何情况下都能正常工作(插值函数无法知道你的函数在增加)。

你要么看看

希皮。插话LSQUnivariateSpline and play with k参数(样条曲线的阶数)

或者说scipy。插话使用k和s参数进行单变量采样和播放。

重要的是要理解插值不仅仅是一条用于可视化的线。它是一个数学模型,表示您认为系统的行为(生成您测量的数据的系统)。不同类型的插值表示对系统的不同假设。

因此,如果你知道你的系统是这样的,一个变量只能增加,你应该适合一个适当的模型(即使用适当的插值)。看看你的数据,它看起来像是一个二次多项式或一个指数函数。黄土(局部回归)拟合也会起作用。你可以使用任意一种定制功能,比如numpy。polyfit(),或使用scipy进行常规曲线拟合。优化曲线拟合()。如果你对系统有进一步的了解,你应该用它来选择适合的型号。

我已经四处看看了。你想要的叫做

单调三次插值,

参见维基百科 here .你在mathexchange上讨论过这件事吗 here 我发现了一个python实现 here .让我知道这是否有效!