Nhiều khi chúng ta có các biểu đồ đường được tạo từ danh sách dữ liệu khá phân tán khiến cho biểu đồ trông giống như các đường thẳng nối các dấu chấm hoặc khá dày đặc dẫn đến các điểm dữ liệu rất gần nhau và do đó biểu đồ trông lộn xộn.
matplotlib. pyplot. plot[] theo mặc định tạo ra một đường cong bằng cách nối hai điểm liền kề trong dữ liệu với một đường thẳng và do đó matplotlib. pyplot. Hàm plot[] không tạo ra một đường cong mượt mà cho một phạm vi nhỏ các điểm dữ liệu
Thí dụ
con trăn
import numpy as np
import matplotlib.pyplot as plt
# Dataset
x= np.array[[1, numpy as np0, numpy as np2_______9numpy as np4, numpy as np6, numpy as np8, import0import1import2 import3
import4= np.array[[import7import1import9import1numpy as np6import1matplotlib.pyplot as plt3import1matplotlib.pyplot as plt5import1matplotlib.pyplot as plt7import1matplotlib.pyplot as plt9import1numpy as np2 import3
# Dataset3
# Dataset4
# Dataset5# Dataset6# Dataset7
# Dataset8# Dataset9____47
x1____52# Dataset7
x4
đầu ra
Quan sát rằng cốt truyện không hề trơn tru vì dữ liệu cơ bản không theo một đường trơn tru. Để vẽ một đường cong trơn tru, trước tiên chúng ta khớp một đường cong spline với đường cong và sử dụng đường cong để tìm các giá trị y cho các giá trị x được phân tách bằng một khoảng cách cực nhỏ. Chúng ta có thể có được một đường cong mượt mà bằng cách vẽ những điểm đó với một khoảng cách rất nhỏ
Chúng ta có thể sử dụng các phương pháp sau để tạo đường cong mượt mà cho tập dữ liệu này
1. Đường cong Spline mượt mà với PyPlot
Nó vẽ một đường cong spline mượt mà bằng cách trước tiên xác định các hệ số của đường cong spline bằng cách sử dụng scipy. nội suy. make_interp_spline[]. Chúng tôi sử dụng các điểm dữ liệu đã cho để ước tính các hệ số cho đường cong spline, sau đó chúng tôi sử dụng các hệ số này để xác định giá trị y cho các giá trị x có khoảng cách rất gần nhau để làm cho đường cong có vẻ mượt mà. Ở đây chúng tôi sẽ sử dụng np. linspace[] trả về các mẫu cách đều nhau, được tính toán trong một khoảng thời gian xác định. Tham số tùy chọn num là số lượng mẫu cần tạo trong phạm vi bắt đầu và dừng. Giá trị mặc định là 50 và phải không âm. Chúng tôi muốn tham số này có giá trị đủ cao để tạo ra một đường cong mượt mà. Hãy lấy 500 mẫu cách đều nhau giữa các giá trị tối thiểu và tối đa dọc theo trục X để vẽ đường cong
cú pháp.
cục mịch. linspace[bắt đầu, dừng, num = 50, điểm cuối = True, bước lùi = Sai, dtype = Không, trục = 0]
X_Y_Spline = scipy. nội suy. make_interp_spline[x, y]
Thí dụ
con trăn
import numpy as np
import numpy as np
x9 =0import =2
import matplotlib.pyplot as plt
# Dataset
x= np.array[[1import1numpy as np0import1numpy as np2import1numpy as np4import1numpy as np6import1numpy as np8import1import0import1import2import3
import4= np.array[[import7import1import9import1numpy as np6import1matplotlib.pyplot as plt3import1matplotlib.pyplot as plt5import1matplotlib.pyplot as plt7import1matplotlib.pyplot as plt9import1numpy as np2import3
numpy as np04= numpy as np06
numpy as np07
numpy as np08
numpy as np09= numpy as np11numpy as np12numpy as np13numpy as np14numpy as np15numpy as np16# Dataset7
numpy as np18= numpy as np20
# Dataset3
numpy as np22
# Dataset5numpy as np24# Dataset7
# Dataset8# Dataset9____47
x1____52# Dataset7
x4
đầu ra
2. Đường cong Spline sử dụng phép nội suy khối
Nó tạo ra một đường cong nội suy bậc ba bằng cách sử dụng scipy. nội suy. interp1d, sau đó chúng tôi sử dụng đường cong để xác định giá trị y cho các giá trị x cách đều nhau để có đường cong mượt mà. Ở đây chúng ta cũng sẽ sử dụng np. linspace[] trả về các mẫu cách đều nhau, được tính toán trong một khoảng thời gian xác định. Hãy lấy 500 mẫu cách đều nhau giữa các giá trị tối thiểu và tối đa dọc theo trục X để vẽ đường cong. Tùy thuộc vào độ cong mà bạn muốn đường cong, bạn có thể sửa đổi giá trị cho tham số thứ ba [num]
cú pháp
cục mịch. linspace[bắt đầu, dừng, num=50, điểm cuối=True, retstep=False, dtype=None, axis=0]
cube_interpolation_model=scipy. nội suy. interp1d[x,y,kind=”khối”]
Thí dụ
con trăn
import numpy as np
x9 =0import numpy as np38
import matplotlib.pyplot as plt
# Dataset
x=np.array[[1import1numpy as np0import1numpy as np2import1numpy as np4import1numpy as np6import1numpy as np8import1import0import1import2import3
import4=np.array[[import7import1import9import1numpy as np6import1matplotlib.pyplot as plt3import1matplotlib.pyplot as plt5import1matplotlib.pyplot as plt7import1matplotlib.pyplot as plt9import1numpy as np2import3