Question

有人可以在python中解释如何在现有数组上使用插值函数，因为matlab中存在这个函数吗？

示例：

x =

interp的（X，2）

ans =

我喜欢python中的一个功能就是这样，即添加更多的点来保持原始原样。

Answer 1

需要提出几个问题：

您是否只关注线性插值（即＆＃34;连接点＆＃34;用直线段）？这简单但有点讨厌。您可以使用更高阶曲线（即双三次样条曲线）获得更好的结果，但为此您需要提供更多信息来确定唯一解决方案（即端点一阶导数）。
您是否希望同时平滑曲线，或者您是否希望它完全通过您的给定点？
您的输入点是否均匀间隔（即沿x轴）？
您的数据不仅显示插值，还显示外推（即您的最后一点不在数据末尾） - 这实际上是您想要的吗？

Matlab documentation说＆＃34; interp将0插入原始信号，然后将低通内插滤波器应用于扩展序列＆＃34;。

修改：我认为最接近的等价物是scipy.interpolate.interp1d - 请参阅http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.interp1d.html#scipy.interpolate.interp1d

你可以像这样制作一个包装器：

import numpy as np
from scipy.interpolate import interp1d

def interp(ys, mul):
    # linear extrapolation for last (mul - 1) points
    ys = list(ys)
    ys.append(2*ys[-1] - ys[-2])
    # make interpolation function
    xs = np.arange(len(ys))
    fn = interp1d(xs, ys, kind="cubic")
    # call it on desired data points
    new_xs = np.arange(len(ys) - 1, step=1./mul)
    return fn(new_xs)

然后像

一样工作

>>> interp([1,2,3,4,5,6,7,8,9,10], 2)
array([  1. ,   1.5,   2. ,   2.5,   3. ,   3.5,   4. ,   4.5,   5. ,
         5.5,   6. ,   6.5,   7. ,   7.5,   8. ,   8.5,   9. ,   9.5,
        10. ,  10.5])

Answer 2

您可以获得类似于Matlab的interp()函数的结果，例如：

def interpolate_1d_vector(vector, factor):
    """
    Interpolate, i.e. upsample, a given 1D vector by a specific interpolation factor.
    :param vector: 1D data vector
    :param factor: factor for interpolation (must be integer)
    :return: interpolated 1D vector by a given factor
    """
    x = np.arange(np.size(vector))
    y = vector
    f = scipy.interpolate.interp1d(x, y)

    x_extended_by_factor = np.linspace(x[0], x[-1], np.size(x) * factor)
    y_interpolated = np.zeros(np.size(x_extended_by_factor))

    i = 0
    for x in x_extended_by_factor:
        y_interpolated[i] = f(x)
        i += 1

    return y_interpolated

python中的interp函数就像matlab一样

2 个答案: