python 样条曲线拟合_在scipy python中使用UnivariateSpline拟合数据

有一些问题.

第一个问题是x值的顺序.从scipy.interpolate.UnivariateSpline的文档我们发现

x : (N,) array_like

1-D array of independent input data. MUST BE INCREASING.

压力增加了我.对于您给出的数据,x的顺序相反.

要调试它,使用“普通”样条曲线来确保一切都有意义是很有用的.

第二个问题,以及与您的问题更直接相关的问题,与s参数有关.它有什么作用？再次从我们找到的文档

s : float or None, optional

Positive smoothing factor used to choose the number of knots. Number

of knots will be increased until the smoothing condition is satisfied:

sum((w[i]*(y[i]-s(x[i])))**2,axis=0) <= s

If None (default), s=len(w) which should be a good value if 1/w[i] is

an estimate of the standard deviation of y[i]. If 0, spline will

interpolate through all data points.

因此,在最小二乘意义上,s确定插值曲线必须与数据点的接近程度.如果我们将值设置得非常大,那么样条曲线不需要靠近数据点.

作为一个完整的例子考虑以下内容

import scipy.interpolate as inter

import numpy as np

import pylab as plt