我们将学习如何使用matplotlib和 SciPy 模块构建平滑曲线。
有时，您希望获得平滑的曲线来进行数据可视化，以使绘图看起来更好、更优雅。幸运的是，借助 matplotlib 和SciPy 模块也可以实现同样的目的。
在本教程中，我们学习使用 matplotlib 和 SciPy 在 Python 中绘制平滑曲线。我们首先导入必要的模块，然后准备数据并构建 B 样条曲线。最后，我们使用 matplotlib 可视化平滑曲线。让我们深入了解吧！
推荐阅读：用 Python 创建动画图
设置：导入必要的模块并定义参数
我们首先定义绘图算法所需的模块。我们将把所需的模块导入到我们的程序中。我们要实现目标的模块numpy，matplotlib 以及SciPy 需要 numpy 进行数据准备、matplotlib 用于绘制简单绘图以及 SciPy 来帮助绘制平滑曲线的模块。通过编写“import numpy as np”命令，我们可以有效地处理图形维度的输入。
|
1
2
3
|
import numpy as npfrom scipy.interpolate import make_interp_splineimport matplotlib.pyplot as plt |
第一步：准备数据
我们将使用的参数是numpy 数组，因为它们易于处理，使我们能够有效地计算数据。我们将绘制一个正弦波，其中 x 坐标是 x 轴值，y 坐标是 x 的正弦值。我们将对时间序列数据中的噪声进行采样，该数据并不总是遵循平滑线。
|
1
2
|
x = np.array([i for i in range(50)])y = np.array([np.sin(i) for i in x]) |
第二步：构建 B 样条曲线
为了生成平滑曲线并过滤噪声，我们使用 B 样条核对数据进行插值。该函数曲线代表我们数据的平均值。我们传入 x 和 y 数组作为参数，这会同时返回 x 和 y 系数。
接下来我们需要做的是将系数彼此分开。下面的代码对您执行相同的操作。
|
1
2
3
|
B_spline_coeff = make_interp_spline(x, y)X_Final = np.linspace(x.min(), x.max(), 500)Y_Final = B_spline_coeff(X_Final) |
第三步：可视化平滑曲线
现在最后一步是使用 matplotlib 库以及必要的函数和配置来绘制绘图，以使绘图看起来更好。我们用于绘图的算法采用这些系数来创建数据的优雅视觉表示。使用 matplotlib，我们绘制一条平滑的曲线。尽管原始数据集背后存在嘈杂的变量，但这条平滑的线更准确地表示了我们的数据。
|
1
2
3
4
5
6
|
plt.style.use('seaborn')plt.plot(X_Final,Y_Final,color="red")plt.title("Smooth Sine Wave")plt.xlabel("x values")plt.ylabel("y values")plt.show() |
最终输出图如下所示。
高级绘图：展示多条平滑曲线
让我们使用相同的方法绘制其他平滑曲线，例如沿 x 轴的正弦波，并显示新数据的变化幅度。使用相同的算法，我们可以生成多条曲线来探索更复杂的数据集。下面的代码借助subplotmatplotlib 函数绘制了更多曲线。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17 号
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
|
plt.figure(figsize=(15,15))plt.subplot(3, 3, 1)x = np.array([i for i in range(30)])y = np.array([np.tan(i) for i in x])B_spline_coeff = make_interp_spline(x, y)X_Final = np.linspace(x.min(), x.max(), 500)Y_Final = B_spline_coeff(X_Final)plt.style.use('seaborn')plt.plot(X_Final,Y_Final,color="red")plt.title("Smooth Tan Wave")plt.xlabel("x values")plt.ylabel("y values")plt.subplot(3, 3, 2)x = np.array([i for i in range(30)])y = np.array([np.exp(i) for i in x])B_spline_coeff = make_interp_spline(x, y)X_Final = np.linspace(x.min(), x.max(), 500)Y_Final = B_spline_coeff(X_Final)plt.style.use('seaborn')plt.plot(X_Final,Y_Final,color="green")plt.title("Smooth e^x Wave")plt.xlabel("x values")plt.ylabel("y values")plt.subplot(3, 3, 3)x = np.array([i for i in range(10)])y = np.array([np.sqrt(i) for i in x])B_spline_coeff = make_interp_spline(x, y)X_Final = np.linspace(x.min(), x.max(), 500)Y_Final = B_spline_coeff(X_Final)plt.style.use('seaborn')plt.plot(X_Final,Y_Final,color="pink")plt.title("Smooth sqrt Wave")plt.xlabel("x values")plt.ylabel("y values")plt.subplot(3, 3, 4)x = np.array([i for i in range(30)])y = np.array([5**i for i in x])B_spline_coeff = make_interp_spline(x, y)X_Final = np.linspace(x.min(), x.max(), 500)Y_Final = B_spline_coeff(X_Final)plt.style.use('seaborn')plt.plot(X_Final,Y_Final,color="black")plt.title("Smooth 5^x Wave")plt.xlabel("x values")plt.ylabel("y values")plt.subplot(3, 3, 5)x = np.array([i for i in range(-10,10,1)])y = np.array([i**2 -5 for i in x])B_spline_coeff = make_interp_spline(x, y)X_Final = np.linspace(x.min(), x.max(), 500)Y_Final = B_spline_coeff(X_Final)plt.style.use('seaborn')plt.plot(X_Final,Y_Final,color="orange")plt.title("Smooth X^2-5 Wave")plt.xlabel("x values")plt.ylabel("y values")plt.subplot(3, 3, 6)x = np.array([i for i in range(30)])y = np.array([3**i + i for i in x])B_spline_coeff = make_interp_spline(x, y)X_Final = np.linspace(x.min(), x.max(), 500)Y_Final = B_spline_coeff(X_Final)plt.style.use('seaborn')plt.plot(X_Final,Y_Final,color="magenta")plt.title("Smooth 3^x+x Wave")plt.xlabel("x values")plt.ylabel("y values")plt.show() |
代码的输出如下所示。
概括
恭喜！今天我们学习了使用 matplotlib 和 SciPy 模块绘制完美平滑的曲线图。应用移动平均值并调整平滑参数，我们可以指定数据的平滑程度。您将如何在下一个数据可视化项目中利用它？