利用interpolate和UnivariateSpline模块做插值，使用spl.set_smoothing_factor设置平滑参数

以下是一个简单的示例代码，展示了如何使用interpolate和UnivariateSpline模块进行插值：

import numpy as np
from scipy.interpolate import interp1d, UnivariateSpline
import matplotlib.pyplot as plt

# 生成一些随机数据
x = np.linspace(0, 10, num=11, endpoint=True)
y = np.sin(x)

# 创建插值函数
f1 = interp1d(x, y, kind='linear')  # 线性插值
f2 = interp1d(x, y, kind='cubic')   # 三次样条插值
f3 = UnivariateSpline(x, y, s=0.5)  # 平滑样条插值

# 生成一些新的x值，用于绘制插值曲线
x_new = np.linspace(0, 10, num=101, endpoint=True)

# 绘制原始数据和插值曲线
plt.plot(x, y, 'ro', label='Data Points')
plt.plot(x_new, f1(x_new), 'b-', label='Linear Interpolation')
plt.plot(x_new, f2(x_new), 'g--', label='Cubic Interpolation')
plt.plot(x_new, f3(x_new), 'm-.', label='Smooth Spline Interpolation')
plt.legend()
plt.show()

在上述代码中，我们首先生成了一些随机数据，然后使用interp1d和UnivariateSpline模块创建了三个不同的插值函数。interp1d模块支持的插值方式包括线性插值、二次插值、三次插值等，而UnivariateSpline模块使用的是平滑样条插值。在UnivariateSpline模块中，我们使用了s参数来设置平滑参数，值越大表示插值曲线越平滑。最后，我们使用生成的插值函数对一些新的x值进行插值，并将原始数据和插值曲线绘制在同一个图表中，以便于比较它们的差异。