给定横坐标插值获得纵坐标（包含时间序列插值）Python_python中如何将一个函数的纵坐标的某一个值与它对应的横坐标用虚线连接起来

为了方便显示，下面会绘图显示出来插值的点
import matplotlib.pyplot as plt
plt.plot(x, y)
plt.plot(2.017, np.interp(2.017, x, y), 'r*')
plt.show()
得到下图
 
 其中的红色※号点就是我们根据横坐标2.017借助np.interp得到的插值点 
2. 日期序列
 
我也有看到好像可以借助pandas有interp的包可以处理这个问题，但是我这里用np.interp照样可以处理，只不过需要首先把日期格式转换为整数类型的横坐标（这里我用到的是int(日期方法)），这是因为np.interp的输入 $xdate_int = [int(t.strftime("%Y%m%d")) for t in xdate] # 需要插值的点 day = datetime.date(2020,10,2) # 转化为时间整数，因为datatime没法插值 x_day_int = int(day.strftime("%Y%m%d")) # 用np方法插值的时间获得y xday_y = np.interp(x_day_int, xdate_int, y) plt.plot(xdate, y) plt.plot(day, xday_y, 'r*')$ 
得到的图和插值点如下，
 
 原本2020.10.02这一天的数据是没有的，但是可以通过插值得到 
3.一般的时间序列
 
对于一般的时间序列，我这里是转化为np.datetime64的格式之后转化为int64的整数的，这样就可以继续调用np.interp方法了✌️ 
import datetime
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# 获得原始序列，xtimelist为一般的时间格式
xtimelist = pd.date_range('2020-01-01 00:00:00', '2020-01-01 05:00:00', freq= '1min')
y = []
for i in range(len(xtimelist)):
    y.append(np.cos(i/60 * np.pi))
# 转化为整数
xtimelist_int = [np.datetime64(t).astype(np.int64) for t in xtimelist]
# 需要插值的点
x_time = np.datetime64('2020-01-01 03:21:07.000000')
# 转化为时间整数，因为datatime没法插值
x_time_int = x_time.astype(np.int64)
# 用np方法插值的时间获得y
x_time_y = np.interp(x_time_int, xtimelist_int, y)
plt.plot(xtimelist, y)
plt.plot(x_time, x_time_y, 'r*')
plt.show()
结果和插值点如下图所示，
 
 就这样我们获得了一个特殊时刻（2020-01-01 03:21:07.000000，注意这里的.000000是必须的）的纵坐标 
4. Summary
 
总结来讲，就是要先把横纵坐标都转化为整数，调用numpy包里的interp方法插值获得已知 $一般序列我们举cos⁡()\cos()cos()函数的图像为例import numpy as npx = np.arange(-5, 5, 0.05)y = np.cos(x)然后插值获得x=2.017x=2.017x=2.017处的值，这样就需要插值了。在求$ 心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)……
					04-11
本人由于平常写论文需要输出一些结果图，但是苦于在网上搜python画图时，详细的教程非常多，但是就是找不到能马上解决自己问题那一行代码，所以打算写一些适合需求简单的朋友应急用的教程，应急就必须方便搜索，所以我把主要的内容写在了标题，方便大家到主页查找对应的功能，教程里有对应的效果图，方便查看，希望可以帮助到有需要的朋友。
本教程的效果图是在jupyter notebook完成。教程是接...
import pandas as pd
data=pd.read_excel('0.xlsx','sheet1')
lieshu=data.shape[1]#取dataframe列的数量
l1=data.iloc[:,[0,1]]#选择第1,2列数值
lie=data.columns.values[1]#按位置提取列标题
xueke=[]#定义xueke列表增加一列学科
for i in l1['姓名']:
    xueke.append(lie)#用...
x = np.arange(0, 10)
fig = plt.figure()
plt.plot(x, color='black', linestyle='dashed', label='x', marker='*')
plt.legend()
# 更改横坐标刻度
# plt.xticks([0,1,2,3,4,5,6,7,8,9], [0, 10, 20, 30, 40, 50, 60, 70,
在野外布设700米的测线，点距为10米，用GPS每隔50米测量一个坐标，再把测线的头和为测量一个坐标。现在需使用线性插值的方法求取每两个坐标之间的其他4个点的值。
二、插值原理
使用等比插值的方法
起始值为 a
终止值为 b
步长值为 (a-b)/5
后面的数分别为 a+n, a+2n, a+3n, a+4n
三、代码实习对 x 插值
interx.py
import numpy as np
f = np.loadtxt('datax.txt')
a = f[:, 0]
b = f[:, 1]
for j in np.arange(len(a)):
	aa = a[j]*1000
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.pi,num=1000)
1. 一般序列

2. 日期序列

3.一般的时间序列

4. Summary
