2022-1-8 8:00    21.11        阀值    0.2
2022-1-9 12:00    21.12            
2022-1-10 16:00    21.33            
2022-1-11 20:00    21.34            
2022-1-13 0:00    21.56            
2022-1-14 4:00    21.77            
2022-1-15 8:00    21.65            
2022-1-16 12:00    21.54            
2022-1-17 16:00    21.46            
2022-1-18 20:00    21.33            
2022-1-20 0:00    21.88            
2022-1-21 4:00    21.56            
2022-1-22 8:00    21.55            
2022-1-23 12:00    21.44            
2022-1-24 16:00    21.1            
2022-1-25 20:00    20.87            
2022-1-27 0:00    21            
2022-1-28 4:00    21.11            
2022-1-29 8:00    21.34            
2022-1-30 12:00    21.55            
2022-1-31 16:00    21.13            
2022-2-1 20:00    21.09            
2022-2-3 0:00    21.08            
2022-2-4 4:00    21.01            
2022-2-5 8:00    21.22            

道格拉斯-普克算法
道格拉斯-普克算法(Douglas–Peucker algorithm，亦称为拉默-道格拉斯-普克算法、迭代适应点算法、分裂与合并算法)是将曲线近似表示为一系列点，并减少点的数量的一种算法。它的优点是具有平移和旋转不变性，给定曲线与阈值后，抽样结果一定。
概述说明
道格拉斯-普克算法[1] (Douglas–Peucker algorithm，亦称为拉默-道格拉斯-普克算法、迭代适应点算法、分裂与合并算法)是将曲线近似表示为一系列点，并减少点的数量的一种算法。该算法的原始类型分别由乌尔斯·拉默(Urs Ramer)于1972年以及大卫·道格拉斯(David Douglas)和托马斯·普克(Thomas Peucker)于1973年提出，并在之后的数十年中由其他学者予以完善。

算法的基本思路是:对每一条曲线的首末点虚连一条直线,求所有点与直线的距离,并找出最大距离值dmax ,用dmax与限差D相比:若dmax <D,这条曲线上的中间点全部舍去;若dmax ≥D,保留dmax 对应的坐标点,并以该点为界,把曲线分为两部分,对这两部分重复使用该方法。
算法的详细步骤
（1) 在曲线首尾两点间虚连一条直线,求出其余各点到该直线的距离，如右图(1)。

(2)选其最大者与阈值相比较,若大于阈值,则离该直线距离最大的点保留,否则将直线两端点间各点全部舍去，如右图(2)，第4点保留。

(3)依据所保留的点,将已知曲线分成两部分处理,重复第1、2步操作，迭代操作，即仍选距离最大者与阈值比较,依次取舍,直到无点可舍去，最后得到满足给定精度限差的曲线点坐标，如图(3)、(4)依次保留第6点、第7点，舍去其他点,即完成线的化简。
这是360百科搜集到的信息