利用interpolate模块做插值，sp1.set_smoothing_factor设置平滑参数0.5

以下是一个示例代码：

import numpy as np
from scipy import interpolate

# 创建原始数据
x = np.linspace(0, 10, num=11, endpoint=True)
y = np.sin(-x**2/9.0)

# 创建插值函数
f = interpolate.interp1d(x, y, kind='cubic')

# 创建新的数据
x_new = np.linspace(0, 10, num=41, endpoint=True)

# 对新数据进行插值
y_new = f(x_new)

# 创建图表
import matplotlib.pyplot as plt

plt.plot(x, y, 'o', label='原始数据')
plt.plot(x_new, y_new, '-', label='插值数据')
plt.legend()
plt.show()

在此示例中，我们使用了`interp1d`函数来创建插值函数`f`，并使用`kind='cubic'`参数来指定三次样条插值。然后，我们使用`linspace`函数创建新的数据点`x_new`，并使用插值函数`f`来计算这些新数据点的`y`值。最后，我们使用Matplotlib绘制原始数据和插值数据的图表。

在上面的代码中，我们没有使用`set_smoothing_factor`方法，因为该方法只在`UnivariateSpline`类中可用。如果您想使用平滑参数，您可以使用以下代码：

import numpy as np
from scipy import interpolate

# 创建原始数据
x = np.linspace(0, 10, num=11, endpoint=True)
y = np.sin(-x**2/9.0)

# 创建插值函数
f = interpolate.UnivariateSpline(x, y, k=3, s=0.5)

# 创建新的数据
x_new = np.linspace(0, 10, num=41, endpoint=True)

# 对新数据进行插值
y_new = f(x_new)

# 创建图表
import matplotlib.pyplot as plt

plt.plot(x, y, 'o', label='原始数据')
plt.plot(x_new, y_new, '-', label='插值数据')
plt.legend()
plt.show()

在这个例子中，我们使用了`UnivariateSpline`类来创建插值函数`f`，并使用`k=3`参数来指定三阶样条插值。然后，我们使用`s=0.5`参数来设置平滑参数。最后，我们使用Matplotlib绘制原始数据和插值数据的图表。