Python实现一维插值方法的示例代码
目录
案例一:线性插值案例二:案例应用插值主要用于物理学数学中,逼近某一确定值的方法
(1)插值是通过已知的离散数据求未知数据的方法。
(2)与拟合不同,插值要求曲线通过所有的已知数据。插值是离散函数逼近的重要方法,利用它可以通过函数在有限个点处的取值情况,估算出函数在其他点处的近似值。
(3)若函数 f(x),在自变量x(离散值)所对应的函数已知,求解出一个适当的特定函数 p(x) 使得 p(x) 在x处所取的函数值等于 f(x) 在x处的已知值。从而用 p(x) 来估计 f(x) 在这些x值之间的数所对应的函数值。
""" scipy.interpolate.interp1d() 一维插值方法 参数 # ---------------------------------------------------------- # x 数组或列表类型,已知点的x坐标 y 数组或列表类型,已知点的y坐标 kind 差值类型。zero, nearest 阶梯插值, 0阶B样条曲线 slinear, linear 默认线性插值, 用一条直线连接各个取样点, 1阶B样条曲线 quadratic, cubic 二阶,三阶 曲线采样,更高阶的可以直接用整数值定 axis 指定沿y的某个轴进行插值,默认沿y的最后一个轴插值 # ---------------------------------------------------------- # """
案例一:线性插值
x 坐标为[0,1,2,...,9],坐标y的计算公式为: ,插值方法是要通过已知的10个点,找到能够完美经过这10个点的函数表达式 f,得到表达式后输入新的x坐标点,就能得到对应的新的y坐标点
import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import interp1d # 创建已知点的(x,y)坐标 x = np.arange(0, 10) y = np.exp(-x/3.0) # 绘制离散点 # plt.plot(x, y, "o") # 插值方法就是找到一个函数完全经过这些点,从而预测其他相关的信息 # 创建插值函数, 传入已知点的坐标, 使用线性插值 f = interp1d(x, y, kind="linear", axis=-1) # 创建的结果是一个函数表达式 # 传入新的点的x坐标,预测出y坐标 x_new = np.arange(0, 9, 0.2) # 生成预测点 y_new = f(x_new) # 对比旧点和新点的坐标 plt.plot(x, y, "o", x_new, y_new, "*") plt.show()
可以看到,插值后的新的坐标点能够经过旧的坐标点。
案例二:案例应用
问:
在一次实验中,在1到12的11个小时内,每隔1小时测量一次温度,测得的温度依次是:5、8、9、15、25、29、31、30、22、25、27、24。尝试估计每隔1/10小时的温度值。
答:
需要根据12小时的测量结果,插值计算出每0.1小时的测量结果。和上面一样,找到一个函数能够完美经过这12个坐标点,使用这个函数预测新的坐标。
下面使用两种差值类型,线性插值和二阶曲线插值,线性插值是在每两个坐标点之间用直线段相连,而二阶曲线插值是在每两个坐标点之间使用二次曲线相连。
import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import interp1d # x为时间序列, y为每个小时的测量温度 x = np.arange(1, 13) y = [5, 8, 9, 15, 25, 29, 31, 30, 22, 25, 27, 24] # 插值求得包含所有坐标点的函数表达式, 使用二阶插值 f1 = interp1d(x, y, kind="quadratic", axis=-1) # 使用线性插值 f2 = interp1d(x, y, kind="linear", axis=-1) # 生成新的时间序列点 x_new = np.arange(1, 12, 0.1) # 二阶插值计算每个时间点对应的新的测量结果 y_new1 = f1(x_new) # 二阶插值计算测量结果 y_new2 = f2(x_new) # 对比两种插值方法的坐标 plt.figure(figsize=(10,5)) plt.subplot(121) plt.title("quadratic") plt.plot(x, y, "o", x_new, y_new1, "*") plt.subplot(122) plt.title("linear") plt.plot(x, y, "o", x_new, y_new2, "*") plt.show()
可以看出二阶插值方法比线性插值更加平滑,符合设计要求。
以上就是Python实现一维插值方法的示例代码的详细内容,更多关于Python一维插值方法的资料请关注脚本之家其它相关文章
X 关闭
X 关闭
- 15G资费不大降!三大运营商谁提供的5G网速最快?中国信通院给出答案
- 2联想拯救者Y70发布最新预告:售价2970元起 迄今最便宜的骁龙8+旗舰
- 3亚马逊开始大规模推广掌纹支付技术 顾客可使用“挥手付”结账
- 4现代和起亚上半年出口20万辆新能源汽车同比增长30.6%
- 5如何让居民5分钟使用到各种设施?沙特“线性城市”来了
- 6AMD实现连续8个季度的增长 季度营收首次突破60亿美元利润更是翻倍
- 7转转集团发布2022年二季度手机行情报告:二手市场“飘香”
- 8充电宝100Wh等于多少毫安?铁路旅客禁止、限制携带和托运物品目录
- 9好消息!京东与腾讯续签三年战略合作协议 加强技术创新与供应链服务
- 10名创优品拟通过香港IPO全球发售4100万股 全球发售所得款项有什么用处?