Question

我目前正在编写一个名为f_from_data的python定义，它在一行上使用了插值查找点到目前为止我写的这个：

def f_from_data(xs, ys, x):
    xfine = np.linspace(min(xs), max(xs), 10000)
    y0 = inter.interp1d(xs, ys, kind = 'linear')
    ans = (y0(xfine))[numpy.searchsorted(xfine, x)]
    ans =  round(ans,2)
    return ans

这给了我想要的东西，所以我可以输入：

f = f_from_data([3, 4, 6], [0, 1, 2])
print f(3)
>>>0.0

我该怎么做呢？我环顾四周但似乎找不到任何东西，因为我觉得它真的很微不足道但我只是错过了一些东西。

Answer 1

使用functools.partial：

from functools import partial

f = partial(f_from_data, [3, 4, 6], [0, 1, 2])

partial将创建一个可调用的对象，前两个参数已经设置。

Answer 2

interpolate.interp1d返回一个可调用的：

import scipy.interpolate as interpolate

f_from_data = interpolate.interp1d
f = f_from_data([3, 4, 6], [0, 1, 2])
print(f(3))

产量

0.0

由于可以将f_from_data分配给interpolate.interp1d，因此您可能根本不需要f_from_data。现在，确实这不会将x范围切割成10000个网格点，并使用searchsorted将x值捕捉到附近的网格点，但一般情况下你不会想要这样做，因为{{ 1}}在没有它的情况下为您提供更好的线性插值。

Answer 3

也许是这样的？

def f_from_data(xs, ys):
    def interpolate(x):
       xfine = np.linspace(min(xs), max(xs), 10000)
       y0 = inter.interp1d(xs, ys, kind = 'linear')
       ans = (y0(xfine))[numpy.searchsorted(xfine, x)]
       ans =  round(ans,2)
       return ans
    return interpolate

警告 - 我不知道matplotlib是否足以说出代码是否正确。

Answer 4

如果你想要的很简单，这里是一个简单的解决方案

>>> f = lambda x: f_from_data([3, 4, 6], [0, 1, 2], x)
>>> print f(3)
0.0
>>>

如果你不喜欢lambda

>>> def f(x): return f_from_data([3, 4, 6], [0, 1, 2], x)

在这两种情况下，定义辅助功能时必须确保f_from_data在范围内。

Answer 5

更通用的方法是使用__call__方法创建一个类，如下所示：

class f_from_data(object):
    def __init__(self, xs, ys):
        self.xfine = np.linspace(min(xs), max(xs), 10000)
        self.y0 = inter.interp1d(xs, ys, kind = 'linear')
    def __call__(self, x):
        ans = (self.y0(self.xfine))[numpy.searchsorted(self.xfine, x)]
        return round(ans, 2)

如何制作一个＆＃34; Callable函数＆＃34;

5 个答案: