實現所需的庫

numpy、scipy、matplotlib

實現所需的方法

插值

• nearest：最鄰近插值法
• zero：階梯插值
• slinear：線性插值
• quadratic、cubic：2、3階B樣條曲線插值

擬合和插值的區別

簡單來說，插值就是根據原有資料進行填充，最後生成的曲線一定過原有點。

擬合是通過原有資料，調整曲線係數，使得曲線與已知點集的差別（最小二乘）最小，最後生成的曲線不一定經過原有點。

程式碼實現

# -*- coding: utf-8 -*-

# 呼叫模組
# 呼叫陣列模組
import numpy as np
# 實現插值的模組
 

from scipy import interpolate
# 畫圖的模組
import matplotlib.pyplot as plt
# 生成隨機數的模組
import random

# random.randint(0, 10) 生成0-10範圍內的一個整型數
# y是一個數組裡面有10個隨機數，表示y軸的值
y = np.array([random.randint(0, 10) for _ in range(10)])
# x是一個數組，表示x軸的值
x = np.array([num for num in range(10)])

# 插值法之後的x軸值，表示從0到9間距為0.5的18個數
xnew = np.arange(0
 
, 9, 0.5)

"""
kind方法：
nearest、zero、slinear、quadratic、cubic
實現函式func
"""
func = interpolate.interp1d(x, y, kind='cubic')
# 利用xnew和func函式生成ynew，xnew的數量等於ynew數量
ynew = func(xnew)

# 畫圖部分
# 原圖
plt.plot(x, y, 'ro-')
# 擬合之後的平滑曲線圖
plt.plot(xnew, ynew)
plt.show()

注意事項

• x, y為原來的資料（少量）
• xnew為一個數組，條件：x⊆$\subseteq$xnew
  
  • 如：x的最小值為-2.931，最大值為10.312；則xnew的左邊界要小於-2.931，右邊界要大於10.312。當然也最好注意一下間距，最好小於x中的精度
• func為函式，裡面的引數x、y、kind，x，y就是原資料的x，y，kind為需要指定的方法
• ynew需要通過xnew陣列和func函式來生成
• 理論上xnew陣列內的值越多，生成的曲線越平滑

參考部落格