Python实现样条插值：线性与三次拟合详解

环境配置与数据准备

在进行样条插值前，需导入必要的库并配置绘图环境。使用 matplotlib 时，建议设置中文字体以正常显示标签，并关闭Unicode负号显示以避免乱码。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
 
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来显示负号

接着，从CSV文件读取数据。假设数据文件名为 data1.csv，编码为 gbk。提取索引作为X轴数据点，提取特定列（如'沪深300'）的值作为Y轴数据点。同时，定义一组密集的观测点 x，用于生成平滑的插值曲线。

#导入数据
data1=pd.read_csv('data1.csv',encoding='gbk')
 
#数据准备
X=data1.index #定义数据点
Y=data1['沪深300'].values #定义数据点
x=np.arange(0,len(data1),0.15) #定义观测点

样条插值实现

使用 scipy.interpolate 模块进行插值计算。该模块提供了 splrep 和 splev 两个核心函数：

• splrep(X, Y, k)：根据源数据点 X 和 Y 生成样条参数，k 指定样条阶数（1为线性，3为三次）。
• splev(x, tck)：根据观测点 x 和生成的样条参数 tck 计算插值结果。

线性样条插值

设置阶数 k=1 进行线性插值：

#进行一阶样条差值
ipo1=spi.splrep(X,Y,k=1) #源数据点导入，生成参数
iy1=spi.splev(x,ipo1) #根据观测点和样条参数，生成插值

三次样条拟合

设置阶数 k=3 进行三次样条拟合，通常能提供更平滑的曲线：

#进行三次样条拟合
ipo3=spi.splrep(X,Y,k=3) #源数据点导入，生成参数
iy3=spi.splev(x,ipo3) #根据观测点和样条参数，生成插值

结果可视化

使用 matplotlib 创建子图，分别展示原始数据、线性插值结果和三次样条插值结果。通过设置Y轴范围、标签、标题和图例，使图表清晰易读。

##作图
fig,(ax1,ax2)=plt.subplots(2,1,figsize=(10,12))
ax1.plot(X,Y,label='沪深300')
ax1.plot(x,iy1,'r.',label='插值点')
ax1.set_ylim(Y.min()-10,Y.max()+10)
ax1.set_ylabel('指数')
ax1.set_title('线性插值')
ax1.legend()
ax2.plot(X,Y,label='沪深300')
ax2.plot(x,iy3,'b.',label='插值点')
ax2.set_ylim(Y.min()-10,Y.max()+10)
ax2.set_ylabel('指数')
ax2.set_title('三次样条插值')
ax2.legend()

以上就是Python样条插值实现的详细内容，更多关于Python数据处理与可视化的资料请关注本站其它相关文章！