Glatte Linie mit Spline + Datetime-Objekte funktioniert nicht

Question

Ich habe ein Grundstück glatter zu machen versucht, wie es here getan wird, aber meine Xs sind Datetime-Objekte, die mit linspace nicht kompatibel sind ..

ich wandeln die xs matplotlib Termine:

Xnew = matplotlib.dates.date2num(X) 
X_smooth = np.linspace(Xnew.min(), Xnew.max(), 10) 
Y_smooth = spline(Xnew, Y, X_smooth) 

Aber dann bekomme ich ein leeres Grundstück, wie mein Y_smooth

ist

[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. ]

f oder aus irgendeinem unbekannten Grund.

Wie kann ich das schaffen?

EDIT

Hier ist, was ich bekomme, wenn ich die Variablen drucken, ich sehe nichts Ungewöhnliches:

X : [datetime.date(2016, 7, 31), datetime.date(2016, 7, 30), datetime.date(2016, 7, 29)] 
X new: [ 736176. 736175. 736174.] 
X new max: 736176.0 
X new min: 736174.0 
XSMOOTH [ 736174.   736174.22222222 736174.44444444 736174.66666667 
    736174.88888889 736175.11111111 736175.33333333 736175.55555556 
    736175.77777778 736176.  ] 
Y [711.74, 730.0, 698.0] 
YSMOOTH [ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 

Answer 1

Ihre X Werte umgekehrt sind, scipy.interpolate.spline erfordert die unabhängige Variable monoton steigend zu sein, und Diese Methode ist veraltet - verwenden Sie stattdessen interp1d (siehe unten).

>>> from scipy.interpolate import spline 
>>> import numpy as np 
>>> X = [736176.0, 736175.0, 736174.0] # <-- your original X is decreasing 
>>> Y = [711.74, 730.0, 698.0] 
>>> Xsmooth = np.linspace(736174.0, 736176.0, 10) 
>>> spline(X, Y, Xsmooth) 
array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]) 

Reverse X und Y erste und es funktioniert

>>> spline(
...  list(reversed(X)), # <-- reverse order of X so also 
...  list(reversed(Y)), # <-- reverse order of Y to match 
...  Xsmooth 
...) 
array([ 698.  , 262.18297973, 159.33767533, 293.62017489, 
     569.18656683, 890.19293934, 1160.79538066, 1285.149979 , 
     1167.41282274, 711.74  ]) 

Beachten Sie, dass viele Spline-Interpolationsverfahren X erfordern monoton zu steigen:

• UnivariateSpline

x : (N,) array_like - 1-D array of independent input data. Must be increasing.

• InterpolatedUnivariateSpline

x : (N,) array_like - Input dimension of data points – must be increasing

Die Standardreihenfolge von scipy.interpolate.spline ist kubisch. Da es nur 3 Datenpunkte gibt, gibt es große Unterschiede zwischen einem kubischen Spline (order=3) und einem quadratischen Spline (order=2). Die folgende Grafik zeigt den Unterschied zwischen Splines unterschiedlicher Ordnung. Hinweis: 100 Punkte wurden glatt verwendet die angepasste Kurve mehr.

Die Dokumentation für scipy.interpolate.spline ist vage und schlägt vor, sie nicht unterstützt werden kann. Zum Beispiel ist es nicht auf der scipy.interpolate main page oder auf der interploation tutorial aufgeführt. Die source for spline zeigt, dass es spleval und splmake tatsächlich Anrufe, die unter Additional Tools wie aufgeführt sind:

Functions existing for backward compatibility (should not be used in new code).

würde ich cricket_007 ‚s Vorschlag folgen und interp1d verwenden.Es ist die derzeit vorgeschlagene Methode, sie ist sehr gut dokumentiert mit detailed examples in both the tutorial und API, und es ermöglicht die unabhängige Variable unsortiert (Reihenfolge) standardmäßig (siehe assume_sorted Argument in API).

>>> from scipy.interpolate import interp1d 
>>> f = interp1d(X, Y, kind='quadratic') 
>>> f(Xsmooth) 
array([ 711.74  , 720.14123457, 726.06049383, 729.49777778, 
     730.45308642, 728.92641975, 724.91777778, 718.4271605 , 
     709.4545679 , 698.  ]) 

Auch wird es einen Fehler auslösen, wenn die Daten rank deficient sind.

>>> f = interp1d(X, Y, kind='cubic') 

ValueError: x and y arrays must have at least 4 entries