Python 用PyPlot绘制平滑线

我有一个简单的脚本来绘制一个图表：

import matplotlib.pyplot as plt
import numpy as np

T = np.array([6, 7, 8, 9, 10, 11, 12])
power = np.array([1.53E+03, 5.92E+02, 2.04E+02, 7.24E+01, 2.72E+01, 1.10E+01, 4.70E+00])

plt.plot(T,power)
plt.show()

现在，这条线从一点到另一点是直线，看起来还可以，但在我看来可能更好。我想要的是平滑点之间的线。在Gnuplot中，我会用

平滑的cplines

绘制

---

在PyPlot中有没有一种简单的方法可以做到这一点？我找到了一些教程，但它们看起来都很复杂。

我猜你的意思是，而不是从你问题的上下文来看。PyPlot对此没有任何内置支持，但是您可以自己轻松地实现一些基本的曲线拟合，就像看到的代码一样，或者如果您使用的是GuiQwt，它有一个曲线拟合。（您可能还可以从中窃取代码来执行此操作）。

您可以使用

scipy.interpolate.spline

自行平滑数据：

from scipy.interpolate import spline

# 300 represents number of points to make between T.min and T.max
xnew = np.linspace(T.min(), T.max(), 300)  

power_smooth = spline(T, power, xnew)

plt.plot(xnew,power_smooth)
plt.show()

---

scipy 0.19.0中不推荐使用样条曲线，请改用BSpline类

从

spline

切换到

BSpline

不是一个简单的复制/粘贴过程，需要进行一些调整：

from scipy.interpolate import make_interp_spline, BSpline

# 300 represents number of points to make between T.min and T.max
xnew = np.linspace(T.min(), T.max(), 300) 

spl = make_interp_spline(T, power, k=3)  # type: BSpline
power_smooth = spl(xnew)

plt.plot(xnew, power_smooth)
plt.show()

---

之前：

之后：

---

对于本例，样条曲线运行良好，但如果函数本身并不平滑，并且您希望使用平滑版本，也可以尝试：

from scipy.ndimage.filters import gaussian_filter1d

ysmoothed = gaussian_filter1d(y, sigma=2)
plt.plot(x, ysmoothed)
plt.show()

如果你增加sigma，你可以得到一个更平滑的函数

---

小心处理这个。它会修改原始值，可能不是您想要的。

有关一些示例，请参阅文档

以下示例演示了其在线性和三次样条插值中的使用：

import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import interp1d

# Define x, y, and xnew to resample at.
x = np.linspace(0, 10, num=11, endpoint=True)
y = np.cos(-x**2/9.0)
xnew = np.linspace(0, 10, num=41, endpoint=True)

# Define interpolators.
f_linear = interp1d(x, y)
f_cubic = interp1d(x, y, kind='cubic')

# Plot.
plt.plot(x, y, 'o', label='data')
plt.plot(xnew, f_linear(xnew), '-', label='linear')
plt.plot(xnew, f_cubic(xnew), '--', label='cubic')
plt.legend(loc='best')
plt.show()

略微修改以提高可读性

---

以下是日期的简单解决方案：

从scipy.interpolate导入生成插值样条线
将numpy作为np导入
将matplotlib.pyplot作为plt导入
将matplotlib.dates导入为日期
从日期时间导入日期时间
数据={
日期时间（2016,9,26,0,0）：26060，日期时间（2016,9,27,0,0）：23243，
datetime（2016,9,28,0,0）：22534，datetime（2016,9,29,0,0）：22841，
日期时间（2016,9,30,0,0）：22441，日期时间（2016,10,1,0,0）：23248
}
#创建数据
date\u np=np.array（list（data.keys（）））
value\u np=np.array（列表（data.values（））
date\u num=dates.date2num（date\u np）
#光滑的
date\u num\u smooth=np.linspace（date\u num.min（），date\u num.max（），100）
spl=生成插值样条曲线（日期、数值、k=3）
值\u np\u平滑=spl（日期\u数量\u平滑）
#印刷品
plt.绘图（日期、价值）
plt.plot（dates.num2date（date\u num\u smooth），value\u np\u smooth）
plt.show（）

---

另一种方法，根据您使用的参数对函数进行轻微修改：

from statsmodels.nonparametric.smoothers_lowess import lowess

def smoothing(x, y):
    lowess_frac = 0.15  # size of data (%) for estimation =~ smoothing window
    lowess_it = 0
    x_smooth = x
    y_smooth = lowess(y, x, is_sorted=False, frac=lowess_frac, it=lowess_it, return_sorted=False)
    return x_smooth, y_smooth

---

这比其他答案更适合我的具体应用案例。

spline

不推荐使用！scipy 0.19.0中不推荐使用样条曲线，请改用BSpline类：

from scipy.interpolate import BSpline

如果未对T进行排序，则此操作无效。此外，如果函数（T）不是一对一。您可能想让

#BSpline对象

注释一个类型提示，例如

spl=make_interp_spline（T，power，k=3）#type:BSpline对象

，以便导入BSpline可以稍微更有效地使用。。。还是其他方面需要它？我在这里提醒你：）（另外，让coments更具PEP8风格也没什么坏处，毕竟它是“公开的代码”。）但总的来说：谢谢你的例子！什么是

k=3

？@AminGuermazi

k=3

是样条曲线的插值次数：。因此，如果使用更高的数字，如

k=6

，曲线应该更平滑。请谨慎使用此数字。它会修改原始值，可能不是您想要的。如果实际效果不好，请将整个函数展平，并停止跟踪所有点…谢谢。我尝试了十种不同的方程，[使用径向基函数进行平滑/插值][1]

rbf=rbf（x，y），fi=rbf（xi）

是其中最好的。[1]: ,