Lissage de courbe matplotLib

Bonjour à tous,

Je n'arrive pas à obtenir le lissage attendu sur une courbe :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import make_interp_spline, CubicSpline, UnivariateSpline   x = (0,3,5,10,30,60,90,120,150,180) y = (20,890,1140,1200,1300,1350,1300,1200,1200,1200)   x_new = np.linspace(min(x), max(x),130)   f = make_interp_spline(x, y) f1 = CubicSpline(x, y) f2 = UnivariateSpline(x, y) #f2.set_smoothing_factor(0.9)   y_smooth=f(x_new) y1_smooth=f1(x_new) y2_smooth=f2(x_new)   plt.plot(x, y, '--o', label = 'standard') plt.plot(x_new, y_smooth, '-', label ='spline') plt.plot(x_new, y1_smooth, '-', label ='spline1') plt.plot(x_new, y2_smooth, '-', label ='spline2') plt.legend( loc='best') plt.show()

---

Quelles que soient les méthodes employées j'ai un espèce virgule non souhaitée... Avez une idée une solution, je vois pas ou ce que je zappe.


Merci

Bonjour

Citation:

---

Envoyé par Aelurus_

je vois pas ou ce que je zappe.

---

Peut-être que ce qui s'affiche c'est le vrai résultat d'un lissage mathématique
J'ai essayé ton code mais avec des données réduites...

Code:

---

1 2	x = (0,3,5,10,30) y = (20,890,1140,1200,1300)

---

... et au résultat, j'ai une cuvette là où la courbe originelle est droite.

Ensuite, je décide de tracer une vraie fonction affine (y=2x)

Code:

---

1 2	x=tuple(range(20)) y=tuple(z*2 for z in x)

---

Là, le lissage correspond exactement à la droite.

Ensuite je décide d'introduire des variations en plus ou en moins sur chaque y...

Code:

---

1 2 3

import random x=tuple(range(20)) y=tuple(z*2+random.uniform(-2, 2) for z in x)

---

... la courbe intègre donc ces variations mais le lissage, lui, reste parfait.

Et enfin je décide que les variations seront proportionnelles au point... y=tuple(z*2+random.uniform(-z, z) for z in x) mais là encore le lissage est exact.

Donc peut-être qu'il n'y a pas de problème sur le lissage mais seulement sur le nb de points utilisés pour l'échantillonnage...

Citation:

---

Envoyé par Sve@r

Donc peut-être qu'il n'y a pas de problème sur le lissage mais seulement sur le nb de points utilisés pour l'échantillonnage...

---

oui ˆˆ je me suis posé la question, j'ai aussi tenté sous ecxel et avec les mêmes entrées j'obtiens pourtant bien le résultat souhaité... Je ne sais pas du tout comment Ecxel s'y prend.
Donc c'est juste le traitement à identifier. Je ne sais pas comment ecxel s'y prend pour faire le lissage mais je n'ai pas de virgule en debut ni de vague en fin de tracer.
Des que j'ai identifier le traitement ou le nom du traitement je reviens.

Merci

Salut,

ça m'intéresse également. Cette "virgule" est typique de l'utilisation d'un polynôme de degré trop élevé pour les données disponibles (par exemple avoir 3 points et fitter un polynôme de degré 3). On peut voir cet effet en faisant varier le degré de la spline :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

x = (0,3,5,10,30,60,90,120,150,180) y = (20,890,1140,1200,1300,1350,1300,1200,1200,1200)   x_new = np.linspace(min(x), max(x), 130)   plt.plot(x, y, '--o', label='standard')   for order in (1, 2, 3, 5, 7, 9): f = make_interp_spline(x, y, k=order) y_smooth = f(x_new) plt.plot(x_new, y_smooth, '-', label='k=%i' % order)   plt.legend(loc='best') plt.grid() plt.show()

---

Pièce jointe 582305

Par curiosité j'ai essayé de rajouter des points par interpolation linéaire avant de fitter la spline. Sans effet. Ou alors il faudrait rafiner seulement à certains endroits.

J

Salut la team,

j'ai trouvé une solution avec GEKKO et les splines, le rendu me va

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

import matplotlib.pyplot as plt import numpy as np from gekko import GEKKO   x = ([0,3,5,10,30,60,90,120,145,180,240]) y = ([20,890,1140,1200,1300,1350,1300,1200,1200,1200,1200])   m= GEKKO() m.x = m.Param(value = np.linspace(0,240)) m.y = m.Var() m.cspline(m.x,m.y,x,y) m.options.IMODE = 2 m.solve(disp = False)   plt.plot(x, y, 'bo', label='RWS') plt.plot(m.x, m.y, 'r--', label='cubic spline') plt.legend(loc = 'best') plt.xlabel('Durée [min]') plt.ylabel('Température [°C]')   plt.show()

---

Le resultat est pas mal.