这是我第一次使用 BSpline，我想将曲线拟合到我的数据点。我尝试过使用单变量样条并尝试使用 splev 和 splrep 但我真的很想学习如何使用 BSpline 来做到这一点。
看起来我的配件真的很不稳定，而且这条线甚至没有穿过这些点。
arraymagU = linspace(U_timeband.min(),U_timeband.max(),300) #array for my x data points
UfunctionBS = BSpline(U_timeband,U_magband,k=4,extrapolate=False)
arraymagU2 = UfunctionBS(arraymagU)
plt.plot(arraymagU,arraymagU2)
U_timeband 是我的 x 坐标，U_magband 只是我的 y。k=4 我认为表示三次拟合？我玩过这个值，但似乎并没有让它变得更好。
它产生这个：
我怎样才能使它更好，一致？我想我可能必须定义断点，但我也不知道该怎么做。
splrep返回一个元组(t,c,k)，其中包含节点向量、B 样条系数和样条度数。这些可以interpolate.BSpline用于创建 BSpline 对象：
import numpy as np
import scipy.interpolate as interpolate
import matplotlib.pyplot as plt
x = np.array([ 0. , 1.2, 1.9, 3.2, 4. , 6.5])
y = np.array([ 0. , 2.3, 3. , 4.3, 2.9, 3.1])
t, c, k = interpolate.splrep(x, y, s=0, k=4)
print('''\
t: {}
c: {}
k: {}
'''.format(t, c, k))
N = 100
xmin, xmax = x.min(), x.max()
xx = np.linspace(xmin, xmax, N)
spline = interpolate.BSpline(t, c, k, extrapolate=False)
plt.plot(x, y, 'bo', label='Original points')
plt.plot(xx, spline(xx), 'r', label='BSpline')
plt.grid()
plt.legend(loc='best')
plt.show()
BSpline如果您知道其系数，则允许您构造b 样条。如果要拟合这些系数，则必须使用类似splrep. 另一种方法是对BSpline.basis_elemements 进行线性回归，但它几乎肯定会更好地splrep用于您的用例。
通常需要打结，但幸运的是它并不太复杂。接受的答案（与 精确拟合s=0）本质上将节点设置为输入坐标的内部点，但是对于嘈杂的数据，它会过度拟合并且仍然非常“不稳定”：
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import BSpline, splrep, splev
# Generate
np.random.seed(0)
n = 300
ts = np.sort(np.random.uniform(0, 5, size=n))
ys = np.sin(ts) + 0.1*np.random.randn(n)
# Fit
tck = splrep(ts, ys, t=ts[2:-2], k=3)
# Alternative:
# tck = splrep(ts, ys, s=0, k=3)
ys_interp = splev(ts, tck)
# Display
plt.figure(figsize=(12, 6))
plt.plot(ts, ys, '.c')
plt.plot(ts, ys_interp, '-m')
plt.show()
通常更好的方法是将结定义为输入坐标的分位数，选择一个合理的数字（我发现 5-10 适用于简单的形状）：
# Fit
n_interior_knots = 5
qs = np.linspace(0, 1, n_interior_knots+2)[1:-1]
knots = np.quantile(ts, qs)
tck = splrep(ts, ys, t=knots, k=3)
ys_smooth = splev(ts, tck)
# Alternative if one really wants to use BSpline:
# ys_smooth = BSpline(*tck)(ts)
# Display
plt.figure(figsize=(12, 6))
plt.plot(ts, ys, '.c')
plt.plot(ts, ys_smooth, '-m')
plt.show()
请注意，使用interpolate.BSplinescipy 需要 0.19 或更高版本（请参阅：https ://docs.scipy.org/doc/scipy/reference/release.0.19.0.html#scipy-interpolate-improvements ）。