IDL和Python中样条插值的差异

Question

我写了IDL代码：

zz= [  0,  5, 10, 15, 30, 50, 90, 100,  500]
uz= [ 20, 20, 20, 30, 60, 90, 30, -200, -200]*(-1.)
zp= findgen(120)*500+500
up= spline((zz-10.),uz,(zp/1000.0))
print, up 

和IDL从 -20到500

给了我 up 数组的值

。我在Python中做的一样

import numpy as npy
zz = npy.array([  0,  5, 10, 15, 30, 50, 90, 100,  500])
uz = npy.array([ 20, 20, 20, 30, 60, 90, 30, -200, -200])*(-1.)
zp = npy.arange(0,120)*500+500
from scipy.interpolate import interp1d
cubic_interp_u = interp1d(zz-10., uz, kind='cubic')
up = cubic_interp_u(zp/1000)
print up

它给了我 up ，其值大约为 -20到-160 。任何的想法？提前谢谢！

Answer 1

实际上，我没有看到问题。我在这里使用的是UnivariateSpline而不是interp1d和cubic_interp_u，但据我所知，基本的例程基本相同：

import numpy as npy
import pyplot as pl
from scipy.interpolate import UnivariateSpline
zz = npy.array([  0,  5, 10, 15, 30, 50, 90, 100,  500])
uz = npy.array([ 20, 20, 20, 30, 60, 90, 30, -200, -200])*(-1.)
zp = npy.arange(0,120)*500+500
pl.plot(zz, uz, 'ro')
pl.plot(zp/100, UnivariateSpline(zz, uz, s=1, k=3)(zp/100), 'k-.')
pl.plot(zp/1000, UnivariateSpline(zz, uz, s=1, k=3)(zp/1000), 'b-')

我看到的唯一问题是你使用zp/1000来限制插值。使用zp/100，我获得了-160, -20范围之外的所有值，您还可以在点划线的图表上看到与蓝线（zp/1000）相比较的值：

看起来scipy做得很好。

顺便说一下，如果你想（spline-）拟合这样的外围值，你可能想要考虑在日志日志空间中工作，或者大致规范化你的数据（日志日志空间类型）。如果值处于相同的数量级，则大多数拟合问题的效果最佳。