Python 带样条线的平滑线+；datetime对象没有'；行不通

我一直在尝试使绘图更平滑，但我的X是datetime对象，与linspace不兼容

我将Xs转换为matplotlib日期：

Xnew = matplotlib.dates.date2num(X)
X_smooth = np.linspace(Xnew.min(), Xnew.max(), 10)
Y_smooth = spline(Xnew, Y, X_smooth)

但我得到了一个空的情节，因为我的Y_是平滑的

[0.0.0.0.0.0.0.0.0.0.0.]

不知什么原因

我怎样才能做到这一点

编辑

以下是我打印变量时得到的结果，我没有看到任何异常：

X : [datetime.date(2016, 7, 31), datetime.date(2016, 7, 30), datetime.date(2016, 7, 29)]
X new: [ 736176.  736175.  736174.]
X new max: 736176.0
X new min: 736174.0
XSMOOTH [ 736174.          736174.22222222  736174.44444444  736174.66666667
  736174.88888889  736175.11111111  736175.33333333  736175.55555556
  736175.77777778  736176.        ]
Y [711.74, 730.0, 698.0]
YSMOOTH [ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.]

---

您的

X

值是反向的，

scipy.interpolate.spline

要求自变量单调递增，此方法已被弃用-改用

interp1d

（见下文）

请注意，许多样条插值方法要求

X

单调递增：

x

：（N，）数组类似于-独立输入数据的一维数组。一定在增加

x

：（N，）类似数组-数据点的输入维度-必须增加

scipy.interpolate.spline

的默认顺序为三次。由于只有3个数据点，三次样条曲线（

order=3

）和二次样条曲线（

order=2

）之间存在很大差异。下图显示了不同阶样条曲线之间的差异；注：100点用于更平滑拟合曲线

的文档不明确，表明可能不支持该文档。例如，它未列在或上。显示它实际调用和，如下所示：

为向后兼容而存在的函数（不应在新代码中使用）

我会按照你的建议使用。这是当前建议的方法，它在和API中有很好的文档记录，并且默认情况下允许对自变量进行未排序（任意顺序）（请参见API中的

假定\u排序

参数）

如果数据排名不足，它也会引发错误

>>> f = interp1d(X, Y, kind='cubic')

ValueError:x和y数组必须至少有4个条目

---

我刚刚试过一个例子，你的方法对我很有效。试着调试每一行。

Xnew.min（）和
Xnew.max（）的值是多少？发布更多细节。
X
，
X\u平滑
，
Xnew
的值是多少。用于或可能用于在执行过程中查看中间值。我编辑了问题并添加了变量。从您的输出中，我推断您的问题在于样条曲线，而不是日期时间。你能重新措辞你的问题吗？也许可以用一组较小的数字来解决问题，比如10而不是300，这样在SO中显示起来更容易，调试起来也更容易。同时仔细检查
np.splie
docs我用10做了同样的事情，但没有区别。。这些文档很小，没有示例：，没有什么可学的；（我想你想从scipy那里得到
interp1d
。它可以做一些样条方差。顺序重要吗？如果你用负斜率样条线性线呢？X随着Y的减小而增大……我不知道，也许，我没有读过
scipy.interpolate.spline
上的文档，但这不重要，
np.linspace
Xsmooth>的输出
与原始输入相反，
Xnew
，所以这就是问题所在，它不一致。无法解释..当我按照你说的做时：
newX=list（reversed（matplotlib.dates.date2num（X）））Y=list（reversed（Y））X_smooth=np.linspace（min（newX），max（newX），10）Y_smooth=spline（newX，Y，xooth）
我得到：
[755.1000.68447671 1062.10559586 991.91003112 842.74445597 667.25554403 518.08996888 447.89440414 509.31552329 755.]
对于这个Y:
[755.0，755.0，755.0]
我觉得绘制数据可能会更好地了解问题的目的。我的观点是……反转不起作用，但cricket的interp1d效果很好，谢谢大家的帮助
>>> spline(
...     list(reversed(X)),  # <-- reverse order of X so also
...     list(reversed(Y)),  # <-- reverse order of Y to match
...     Xsmooth
... )
array([  698.        ,   262.18297973,   159.33767533,   293.62017489,
         569.18656683,   890.19293934,  1160.79538066,  1285.149979  ,
        1167.41282274,   711.74      ])

>>> from scipy.interpolate import interp1d
>>> f = interp1d(X, Y, kind='quadratic')
>>> f(Xsmooth)
array([ 711.74      ,  720.14123457,  726.06049383,  729.49777778,
        730.45308642,  728.92641975,  724.91777778,  718.4271605 ,
        709.4545679 ,  698.        ])

>>> f = interp1d(X, Y, kind='cubic')