Python开发：温度时间绘图的Spline interpolation与datetime处理问题

嘿，我刚好处理过类似的 datetime 和样条插值结合的问题，给你梳理下可行的解决方案：

首先得明确：样条插值（比如scipy的插值工具）默认只处理数值类型，datetime对象不能直接作为输入，所以核心思路是先把时间转换成数值格式（比如时间戳），插值后再转回到datetime格式用于绘图。

步骤1：规范数据提取与转换 #

先把你现有提取数据的逻辑补全并优化，确保时间和温度数据对应且格式正确：

from datetime import datetime
import numpy as np
from scipy.interpolate import make_interp_spline
import matplotlib.pyplot as plt

# 模拟你的原始数据结构（替换成你实际的dataList）
dataList = [
    "",
    "22.5,24.1,23.3,25.0",  # 卧室/厨房的温度值
    "",
    "2024-05-20 08:00,2024-05-20 10:00,2024-05-20 12:00,2024-05-20 14:00"  # 对应时间
]

# 提取并转换温度数据
temp_values = list(map(float, dataList[1].split(',')))
# 提取时间字符串并转成datetime对象
time_strings = dataList[3].split(',')
time_objects = [datetime.strptime(t_str, "%Y-%m-%d %H:%M") for t_str in time_strings]

# 将datetime转成数值型时间戳（单位：秒），供插值使用
time_stamps = np.array([t.timestamp() for t in time_objects])
temp_array = np.array(temp_values)

步骤2：用样条插值生成平滑曲线 #

这里推荐用make_interp_spline，它比普通插值函数更适合生成自然的平滑曲线：

# 生成更密集的时间点（比如原数据的10倍密度，可按需调整）
smooth_time_stamps = np.linspace(time_stamps.min(), time_stamps.max(), 40)

# 创建三次样条插值函数（k=3是常用的平滑度，k值不能超过数据点数量-1）
spl = make_interp_spline(time_stamps, temp_array, k=3)
# 计算平滑后的温度值
smooth_temp = spl(smooth_time_stamps)

# 把平滑后的时间戳转回datetime对象，方便绘图时显示友好的时间格式
smooth_time_objects = [datetime.fromtimestamp(ts) for ts in smooth_time_stamps]

步骤3：绘制平滑图表 #

用matplotlib绘图时，直接用转换后的datetime对象作为x轴即可：

plt.figure(figsize=(10, 6))
# 绘制原始数据点，方便对比
plt.scatter(time_objects, temp_array, color='#ff4444', label='原始温度数据')
# 绘制平滑曲线
plt.plot(smooth_time_objects, smooth_temp, color='#2196f3', linewidth=2, label='平滑温度曲线')

plt.xlabel('时间')
plt.ylabel('温度(℃)')
plt.title('温度随时间变化曲线（样条插值平滑）')
plt.legend()
plt.xticks(rotation=45)  # 旋转x轴标签避免重叠
plt.tight_layout()  # 自动调整布局
plt.show()

关键注意点 #

• 确保你的时间数据是单调递增的，样条插值要求输入的x值（时间戳）必须有序，否则会报错。
• 如果你的时间格式和示例不同，要调整strptime的格式字符串（比如如果是%H:%M时分格式，就改成对应的格式）。
• 若觉得三次样条太光滑，可以尝试k=2（二次样条），但k值不能大于数据点数量减1。

这样处理后，就能得到你想要的平滑温度-时间曲线啦，亲测有效！

内容的提问来源于stack exchange，提问作者Condo