Question

我正在尝试插入一个二维函数，我遇到了scipy.interpolate.interp2d我认为奇怪的行为。我不明白问题所在，我会很乐意提供任何帮助或提示。

import numpy as np
from scipy.interpolate import interp2d

x = np.arange(10)
y = np.arange(20)
xx, yy = np.meshgrid(x, y, indexing = 'ij')
val = xx + yy
f = interp2d(xx, yy, val, kind = 'linear')

当我运行此代码时，我收到以下警告：

scipy / interpolate / fitpack.py:981：RuntimeWarning：不再有结了   因为B样条系数的数量已经超过了   数据点数m。可能的原因：s或m太小。   （fp> s）kx，ky = 1,1 nx，ny = 18,15 m = 200 fp = 0.000000 s = 0.000000
  warnings.warn（RuntimeWarning（_iermess2 [ierm] [0] + _mess））

当我告诉它它应该进行线性插值时，我不明白为什么interp2d会使用任何样条曲线。当我继续并在网格上评估f时，一切都很好：

>>> f(1,1)
array([ 2.])

当我从网格中评估它时，即使函数显然是线性的，我也会遇到很大的错误。

>>> f(1.1,1)
array([ 2.44361975])

我有点困惑，我不确定问题是什么。有没有人遇到过类似的问题？我曾经和matlab一起工作，这几乎是1：1我会怎么做，但也许我做错了。

当我使用矩形网格（即y = np.arange（10））时，一切顺利，但这不是我需要的。当我使用立方而不是线性插值时，误差会变小（因为函数是线性的，所以没有多大意义），但仍然是不可接受的大。

Answer 1

我尝试了几件事，并设法使用scipy.LinearNDInterpolator得到（有点）我想要的东西。但是，我必须将网格转换为点和值列表。由于我的程序的其余部分以网格格式存储坐标和值，这是令人讨厌的，所以如果可能的话，我仍然希望让原始代码正常工作。

import numpy as np
import itertools
from scipy.interpolate import LinearNDInterpolator

x = np.arange(10)
y = np.arange(20)
coords = list(itertools.product(x,y))
val = [sum(c) for c in coords]
f = LinearNDInterpolator(coords, val)

>>>f(1,1)
array(2.0)

>>> f(1.1,1)
array(2.1)

scipy.interp2d警告和网格上的大错误

1 个答案: