不知道有没有，可能python数学相关的库里会有吧
创新互联-专业网站定制、快速模板网站建设、高性价比珙县网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式珙县网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖珙县地区。费用合理售后完善，十余年实体公司更值得信赖。
不过你写的也不对啊，取3个值，应该是4均分。
def junfen(start,end,num):
k = (end - start)/(num + 1)
return set([start + item * k for item in range(1,num + 1)])
import matplotlib.pyplot as plt
plt.scatter(xdata,ydata)
(xdata,ydata为两个需要作图的数据集)
在缺失值填补上如果用前后的均值填补中间的均值， 比如，0，空，1， 我们希望中间填充0.5；或者0，空，空，1，我们希望中间填充0.33，0.67这样。
可以用pandas的函数进行填充，因为这个就是线性插值法
df..interpolate()
dd=pd.DataFrame(data=[0,np.nan,np.nan,1])
dd.interpolate()
补充知识：线性插值公式简单推导
以上这篇python线性插值解析就是我分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
使用使用numpy里面的函数可以做，f = np.polyfit(x, y, n)（多项式拟合，x,y为np.array(),n为最高项次数，f为多项式的系数。）
scipy做线性规划不是很方便，推荐用pulp来做，这个模块不属于python的内置模块，需要先安装，pip install pulp
from pulp import *
# 设置对象
prob = LpProblem('myProblem', LpMinimize)
# 设置三个变量，并设置变量最小取值
x1 = LpVariable('x1', 0)
x2 = LpVariable('x2', 0)
x3 = LpVariable('x3', 0)
x4 = LpVariable('x4')
# 载入目标函数，默认是求最小值，因此这次对原目标函数乘以-1
prob += 3*x1 - 4*x2 + 2*x3 -5*x4
# 载入约束变量
prob += 4*x1 - x2 + 2*x3 -x4 == -2
prob += x1 + x2 -x3 + 2*x4 = 14
prob += -2*x1 + 3*x2 + x3 -x4 = 2
# 求解
status = prob.solve()
# 显示结果
for i in prob.variables():
print(i.name + "=" + str(i.varValue))
计算结果为：
x1=0.0
x2=2.0
x3=4.0
x4=8.0
