Python曲线有很多要点

Question

我正在使用Python和matplotlib。 我有很多由数组生成的积分。

fig, ax = plt.subplots(ncols=1, nrows=1, figsize=Groesse_cm/2.54)
ax.set_title(title)
ax.set_xlabel(xlabel) # Beschriftung X-Achse
ax.set_ylabel(ylabel) # Beschriftung Y-Achse
ax.plot(xWerte, yWerte, 'ro', label=kurveName)
ax.plot(xWerte, y2Werte, 'bo', label=kurveName2)
plt.show()

所以我有arrayX的x值和arrayYmax的Y值（红色）和arrayYmin的Y值（蓝色）。 我不能给你我的数组，因为那太复杂了。

我的问题是：如何获得上图所示的样条线/拟合？ 我不知道拟合点的功能，因此我只有带有[x / y]值的点。 所以我不想把我想适合的要点联系起来。 是的，我说适合这个：D

这是我不想要的示例：此代码为：

fig, ax = plt.subplots(ncols=1, nrows=1, figsize=Groesse_cm/2.54)
degree = 7
np.poly1d(np.polyfit(arrayX,arrayYmax,degree))
ax.plot(arrayX, arrayYmax, 'r')
np.poly1d(np.polyfit(arrayX,arrayYmin,degree))
ax.plot(arrayX, arrayYmin, 'b')
#Punkte
ax.plot(arrayX, arrayYmin, 'bo')
ax.plot(arrayX, arrayYmax, 'ro')
plt.show()

Answer 1

您已经很接近了，您只需要使用要估算/拟合的多项式模型即可。

首先提取软件包并定义数据：

import numpy as np
import matplotlib.pyplot as plt

arr_x = [-0.8,  2.2,  5.2,  8.2, 11.2, 14.2, 17.2]
arr_y_min = [65, 165, 198, 183, 202, 175, 97]
arr_y_max = [618, 620, 545, 626, 557, 626, 555]

然后我们像您所做的那样估算多项式拟合，但是将结果保存到一个变量中，以备后用：

poly_min = np.poly1d(np.polyfit(arr_x, arr_y_min, 2))
poly_max = np.poly1d(np.polyfit(arr_x, arr_y_max, 1))

接下来我们绘制数据：

plt.plot(arr_x, arr_y_min, 'bo:')
plt.plot(arr_x, arr_y_max, 'ro:')

接下来，我们从上方使用多项式拟合在一组采样点上绘制估计值：

poly_x = np.linspace(-1, 18, 101)

plt.plot(poly_x, poly_min(poly_x), 'b')
plt.plot(poly_x, poly_max(poly_x), 'r')

给我们：

请注意，我使用的次数多项式（1和2）比您（7）低得多。 一个7度多项式肯定会过分拟合这少量数据，这些看起来像是合理的拟合