Matplotlib折线图平滑处理

在Matplotlib中，对折线图进行平滑处理的方法有很多种。平滑处理可以减少数据中的噪声和不规则性，使图表更加易于解释。下面介绍几种常用的平滑处理方法：

1. 线性平滑: 使用线性滤波器对数据进行平滑处理。可以使用Matplotlib中的SavgolFilter来实现线性平滑。

   import numpy as np
   import matplotlib.pyplot as plt
   from scipy.signal import savgol_filter
   x = np.linspace(0, 10, 100)
   y = np.sin(x) + 0.3 * np.random.randn(100)
   y_smooth = savgol_filter(y, window_length=11, polyorder=2)
   plt.plot(x, y, 'b-', label='原始数据')
   plt.plot(x, y_smooth, 'r-', label='平滑处理')
   plt.legend()
   plt.show()

2. 样条插值: 使用样条插值对数据进行平滑处理。可以使用Matplotlib中的spline函数来实现样条插值。

   import numpy as np
   import matplotlib.pyplot as plt
   from scipy.interpolate import make_interp_spline
   x = np.linspace(0, 10, 100)
   y = np.sin(x) + 0.3 * np.random.randn(100)
   spl = make_interp_spline(x, y)
   y_smooth = spl(x)
   plt.plot(x, y, 'b-', label='原始数据')
   plt.plot(x, y_smooth, 'r-', label='平滑处理')
   plt.legend()
   plt.show()

3. 局部加权散点平滑: 使用局部加权散点平滑（LOWESS）算法对数据进行平滑处理。可以使用Matplotlib中的loess函数来实现LOWESS。

   import numpy as np
   import matplotlib.pyplot as plt
   from scipy.signal import loess
   x = np.linspace(0, 10, 100)
   y = np.sin(x) + 0.3 * np.random.randn(100)
   y_smooth = loess(y, x)
   plt.plot(x, y, 'b-', label='原始数据')
   plt.plot(x, y_smooth, 'r-', label='平滑处理')
   plt.legend()
   plt.show()

   以上是三种常用的平滑处理方法，可以根据实际需求选择适合的方法进行折线图的平滑处理。需要注意的是，平滑处理可能会改变原始数据的形状和趋势，因此在使用时要谨慎选择合适的参数，并根据实际需求进行评估和验证。