我就废话不多说了，大家还是直接看代码吧~
import numpy as np
#从scipy库中导入插值需要的方法 interpolate
from scipy import interpolate
#数据可视化,绘制散点图
import matplotlib.pyplot as plt
#定义函数 x:横坐标列表 y:纵坐标列表 kind:插值方式
f = interpolate.interp1d(x, y, kind=’cubic’)
插值方式：
nearest：最邻近插值法
zer
具体代码如下所示：
import numpy as np
from matplotlib import pyplot as plt
from scipy.interpolate import interp1d
x=np.linspace(0,10*np.pi,num=20)
y=np.sin(x)
f1=interp1d(x,y,kind='linear')#线性插值
f2=interp1d(x,y,kind='cubic')#三次样条插值
x_pred=np.linspace(0,10*np
插值对于一些时间序列的问题可能比较有用。
Show the code directly:
import numpy as np
from matplotlib import pyplot as plt
from scipy.interpolate import interp1d
x=np.linspace(0,10*np.pi,num=20)
y=np.sin(x)
f1=interp1d(x,y,kind='linear')#线性插值
f2=interp1d(x,y,kind='cubic'
