我尝试使用样条曲线平滑我的数据-基本上是y轴上的累积百分比和x轴上的参考点。我得到了大部分正确的，但是，我面临的挑战是我的y轴是以非线性的方式增加-如下面的样条曲线图所示-y轴值不断增加和减少，而不仅仅是增加。
我仍然希望曲线平滑，但希望y轴随x轴增加，即每个后续y轴点的值应等于或略高于前一个值，而不是先增加后减少。
可复制代码：
import pandas as pd
import numpy as np
from scipy.interpolate import make_interp_spline
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure
percentile_block_df = pd.DataFrame({
'x' : [0.5,100.5,200.5,400.5,800.5,900.5,1000.5],
'percentile' : [0.0001,0.01,0.065,0.85,0.99,0.9973,0.9999]
})
figure(figsize=(8, 6), dpi=80)
y = percentile_block_df.percentile
x = percentile_block_df.x
X_Y_Spline = make_interp_spline(x, y)
# Returns evenly spaced numbers
# over a specified interval.
X_ = np.linspace(x.min(), x.max(), 1000)
Y_ = X_Y_Spline(X_)
figure(figsize=(18, 6), dpi=80)
plt.subplot(1, 2, 1) # row 1, col 2 index 1
plt.plot(x, y,"ro")
plt.plot(x, y)
plt.title("Original")
plt.xlabel('X')
plt.ylabel('Percentile ')
plt.subplot(1, 2, 2) # index 2
plt.plot(x, y,"ro")
plt.plot(X_, Y_,"green")
plt.title("Spline Plot")
plt.xlabel('X')
plt.ylabel('Percentile ')
plt.show()
2条答案
按热度按时间cnh2zyt31#
你要找的是“单调性保持插值”。快速搜索一下就会发现
scipy.interpolate.PchipInterpolator正好做到了这一点。下面是你的例子在简单地插入from scipy.interpolate import PchipInterpolator而不是from scipy.interpolate import make_interp_spline时的结果。当然，这是否合适取决于您对插值的具体要求。我鼓励您研究其他选项。
类似问题：
46qrfjad2#
最终对我有效的代码：
此链接解释了单调三次插值的必要性