Python：numpy.interp给出曲线

Question

我试图将低分辨率曲线（10个数据点）线性插值到更高的分辨率（~1000个数据点）。我想要的是具有相同形状但具有更多x和y值的新曲线，即当绘制为线时，高分辨率曲线和低分辨率曲线看起来难以区分。

我多次使用Numpy的插值，所以这让我感到困惑。我按常规np.interp(newX, oldX, oldY)进行操作，但是当我绘制它时，我得到了一个有趣的结果。

绿色方块之间的线条应该是直的，而不是像这样的拱形。

我不确定它是否重要，但我的X值范围从0到1000，我的Y值范围从1e-12到1e-16。任何建议将不胜感激！

更新：上面的图是对数对数刻度，但它也发生在线性图上。

这是实际数据。 （它真的是1e-15到1e-19）：

X = array([  0.3543  ,   0.477   ,   0.544579,   0.6231  ,   0.64142 ,
         0.7625  ,   0.79788 ,   0.9134  ,   1.02894 ,   1.235   ,
         1.241608,   1.615118,   1.662   ,   2.159   ,   2.181858,
         3.4     ,   3.507511,   3.732206,   4.436578,   4.6     ,
         4.664426,   5.628102,   7.589159,  12.      ])

Y = array([  8.54633502e-19,   3.82388943e-18,   7.33750003e-18,
         2.98683733e-17,   7.77237551e-17,   2.04059657e-16,
         3.72124584e-16,   8.77407275e-16,   1.65824812e-15,
         2.48616026e-15,   2.80165491e-15,   2.03270375e-15,
         2.03205199e-15,   1.24592352e-15,   1.20231667e-15,
         3.85565084e-16,   4.34827044e-16,   3.86967563e-16,
         1.67622220e-16,   1.48774069e-16,   1.25065750e-16,
         7.53511540e-17,   2.34138998e-17,   5.77852724e-18])

所以我确信它确实只是一个对数尺度效应。但是出于某些原因，当我使用ax.loglog()进行绘制然后执行ax.set_yscale('linear')时，轴刻度会发生变化，但子绘图数据不会变化。当我使用ax.plot()绘制它时，它看起来很好。

任何人都能解释一下吗？

Answer 1

翻译自http://docs.scipy.org/doc/numpy/reference/generated/numpy.interp.html：

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0,1000,10)
y = np.random.uniform(1e-16, 1e-12, 10)
xvals = np.linspace(0, 1000, 100)
yinterp = np.interp(xvals, x, y)

plt.plot(x, y, c='k')
plt.plot(xvals, yinterp, 'o', c='w')
plt.show()

Answer 2

我也有同样的问题，但是有scipy的interpolate.interp1d。问题不在于代码，而在于对数的工作原理。线性图上的直线在半对数图上变为曲线。考虑一下极限情况，你只想在半月图和连接上绘制两个点（ya，xa）和（yb，xb）。如果您首先在这些点之间进行线性插值，则创建一个对象，该对象是一个线段 L（x）（例如，由一个精细网格点数组表示）。然后，如果您记录 L 的日志并将其与 x 进行对比，那么您将获得一条曲线。这就是＆＃34; bouncy＆＃34;附加情节上的行为。如果你想在日志图中有一条直线，你需要记录 ya 和 yb ，插值，然后绘图。如果您正在查看跨越数十年的内容，您可能希望在获取日志后进行插值，但这可能取决于您的应用程序。