scipy之插值器

\'\'\'
    插值：scipy提供了常见的插值算法，可以通过一组离散数据生成符合一定规律的插值函数（连续函数）。这样就可以传入x，得到函数值。
    ---插值是实现离散数据连续化的一种方式。
    在scipy中的interpolate中可以实现，具体为：
            func = scipy.interpolate.interp1d(离散数据x坐标，离散数据垂直坐标y,kind=\'linear\')
            ---返回值：函数
            ---kind:表示插值算法,如\'linear\'线性插值器，\'cubic\'三次样条插值器

    应用领域：数据预处理

    案例：提供13个散点，基于scipy的插值得到一个连续函数，绘制这个连续函数图像
\'\'\'

import numpy as np
import scipy.interpolate as si
import matplotlib.pyplot as mp

# 造一些散点数据
min_x = -50
max_x = 50
dis_x = np.linspace(min_x, max_x, 15)
dis_y = np.sinc(dis_x)

# 绘图
mp.figure(\'Insert Value\')
mp.scatter(dis_x, dis_y, s=60, c=\'red\', marker=\'o\')

# 基于这些离散数据，使用插值获得连续函数---线性插值
func = si.interp1d(dis_x, dis_y, kind=\'linear\')
# 绘制func函数
x = np.linspace(min_x, max_x, 1000)
y = func(x)
mp.plot(x, y, label=\'linear\')

# 基于这些离散数据，使用插值获得连续函数---三次样条插值法
func = si.interp1d(dis_x, dis_y, kind=\'cubic\')
# 绘制func函数
x = np.linspace(min_x, max_x, 1000)
y = func(x)
mp.plot(x, y, label=\'Cubic\')

mp.show()　　

　　

注：插值和随机数都可以用于数据预处理，如异常值修正、空白值填充等，如果符合某种概率分布的可以用随机数随机生成，其他的可以用各种插值器进行处理。