'''
scipy.interpolate.interp1d()  一維插值方法
參數(shù)
# ---------------------------------------------------------- #
x      數(shù)組或列表類(lèi)型，已知點(diǎn)的x坐標(biāo)
y      數(shù)組或列表類(lèi)型，已知點(diǎn)的y坐標(biāo)
kind   差值類(lèi)型。zero, nearest  階梯插值, 0階B樣條曲線(xiàn)
                slinear, linear  默認(rèn)線(xiàn)性插值, 用一條直線(xiàn)連接各個(gè)取樣點(diǎn), 1階B樣條曲線(xiàn)
                quadratic, cubic  二階,三階 曲線(xiàn)采樣，更高階的可以直接用整數(shù)值定
axis   指定沿y的某個(gè)軸進(jìn)行插值，默認(rèn)沿y的最后一個(gè)軸插值
# ---------------------------------------------------------- #
'''

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
 
# 創(chuàng)建已知點(diǎn)的(x,y)坐標(biāo)
x = np.arange(0, 10)
y = np.exp(-x/3.0)
# 繪制離散點(diǎn)
# plt.plot(x, y, 'o')
 
# 插值方法就是找到一個(gè)函數(shù)完全經(jīng)過(guò)這些點(diǎn)，從而預(yù)測(cè)其他相關(guān)的信息
# 創(chuàng)建插值函數(shù), 傳入已知點(diǎn)的坐標(biāo), 使用線(xiàn)性插值
f = interp1d(x, y, kind='linear', axis=-1)  # 創(chuàng)建的結(jié)果是一個(gè)函數(shù)表達(dá)式
 
# 傳入新的點(diǎn)的x坐標(biāo)，預(yù)測(cè)出y坐標(biāo)
x_new = np.arange(0, 9, 0.2)
# 生成預(yù)測(cè)點(diǎn)
y_new = f(x_new)  
 
# 對(duì)比舊點(diǎn)和新點(diǎn)的坐標(biāo)
plt.plot(x, y, 'o', x_new, y_new, '*')
plt.show()

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
 
# x為時(shí)間序列, y為每個(gè)小時(shí)的測(cè)量溫度
x = np.arange(1, 13)
y = [5, 8, 9, 15, 25, 29, 31, 30, 22, 25, 27, 24]
 
# 插值求得包含所有坐標(biāo)點(diǎn)的函數(shù)表達(dá)式, 使用二階插值
f1 = interp1d(x, y, kind='quadratic', axis=-1)
# 使用線(xiàn)性插值
f2 = interp1d(x, y, kind='linear', axis=-1)
 
# 生成新的時(shí)間序列點(diǎn)
x_new = np.arange(1, 12, 0.1)
 
# 二階插值計(jì)算每個(gè)時(shí)間點(diǎn)對(duì)應(yīng)的新的測(cè)量結(jié)果
y_new1 = f1(x_new)
# 二階插值計(jì)算測(cè)量結(jié)果
y_new2 = f2(x_new)
 
# 對(duì)比兩種插值方法的坐標(biāo)
plt.figure(figsize=(10,5))
plt.subplot(121)
plt.title('quadratic')
plt.plot(x, y, 'o', x_new, y_new1, '*')
 
plt.subplot(122)
plt.title('linear')
plt.plot(x, y, 'o', x_new, y_new2, '*')
plt.show()