我正在将MatLab程序转换为Python,并且我在理解为什么scipy.interpolate.interp1d提供的结果与MatLab interp1不同时会遇到问题。
在MatLab中,使用情况略有不同:
yi = interp1(x,Y,xi,'cubic')
SciPy的:
f = interp1d(x,Y,kind='cubic')
yi = f(xi)
对于一个简单的例子,结果是相同的: MatLab的:
interp1([0 1 2 3 4], [0 1 2 3 4],[1.5 2.5 3.5],'cubic')
1.5000 2.5000 3.5000
的Python:
interp1d([1,2,3,4],[1,2,3,4],kind='cubic')([1.5,2.5,3.5])
array([ 1.5, 2.5, 3.5])
但是对于一个现实世界的例子,它们并不相同:
x = 0.0000e+000 2.1333e+001 3.2000e+001 1.6000e+004 2.1333e+004 2.3994e+004
Y = -6 -6 20 20 -6 -6
xi = 0.00000 11.72161 23.44322 35.16484... (2048 data points)
Matlab的:
-6.0000e+000
-1.2330e+001
-3.7384e+000
...
7.0235e+000
7.0028e+000
6.9821e+000
SciPy:
array([[ -6.00000000e+00],
[ -1.56304101e+01],
[ -2.04908267e+00],
...,
[ 1.64475576e+05],
[ 8.28360759e+04],
[ -5.99999999e+00]])
有关如何获得与MatLab一致的结果的任何想法?
编辑:我知道立方插值算法的实现存在一定的自由度,这可能解释了我所看到的差异。似乎我转换的原始MatLab程序应该使用线性插值,所以这个问题可能没什么问题。
答案 0 :(得分:11)
scipy.interpolate.interp1d
和interp1
不同的基础插值方法。 Scipy使用netlib fitpack
例程,它产生标准的C2连续三次样条。 "立方体" interp1
中的参数使用分段立方Hermite插值多项式,它不是C2连续的。有关Matlab的功能的解释,请参阅here。
我怀疑这是你所看到的差异的根源。
答案 1 :(得分:0)
目前scipy使用http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.PchipInterpolator.html 这将创建y = f(x)传递的单调三次插值,并使用pchip算法确定点中的斜率。
因此,对于每个部分,(x,y)都是由你传递的,pchip算法将计算(x,dy / dx),并且在这些点处只有通过已知导数的2个点经过2个点。每个结构,它将连续不断的一阶导数。