5

我写了一个执行样条插值的代码：

x1 = [ 0., 13.99576991, 27.99153981, 41.98730972, 55.98307963, 69.97884954, 83.97461944, 97.97038935, 111.9661593, 125.9619292, 139.9576991, 153.953469 ]
y1 = [ 1., 0.88675318, 0.67899118, 0.50012243, 0.35737022, 0.27081293, 0.18486778, 0.11043095, 0.08582272, 0.04946131, 0.04285015, 0.02901567]

x = np.array(x1) 
y = np.array(y1)

# Interpolate the data using a cubic spline to "new_length" samples
new_length = 50
new_x = np.linspace(x.min(), x.max(), new_length)
new_y = sp.interpolate.interp1d(x, y, kind='cubic')(new_x)

但是在生成的新数据集中 new_x，new_y去除了原始点，只保留了第一个和最后一个值。我想保留原来的观点。

4

2 回答 2

6

是的，除了您传递给它的值（和）之外，linspace不会生成任何值。xx.min()x.max()

我没有一个很好的快速答案，但这是一种方法：

# Interpolate the data using a cubic spline to "new_length" samples
new_length = 50
interpolated_x = np.linspace(x.min(), x.max(), new_length - len(x) + 2)
new_x = np.sort(np.append(interpolated_x, x[1:-1]))  # include the original points
new_y = sp.interpolate.interp1d(x, y, kind='cubic')(new_x)

此代码使用：

  • np.linspace根据需要创造尽可能多的额外积分
  • np.append将额外点的数组与原始点结合起来x
  • np.sort将组合数组按顺序排列
于 2012-08-09T13:32:06.093 回答
0

如果您的数据是统一的，这是另一种方式：

import numpy as np

def interpolate_add(x_add,num):
    x_add_ls=[]
    for i in range(x_add.shape[0]-1):
        x_add_ls += (np.linspace(x_add[i],x_add[i+1],num+2)[0:-1]).tolist()
    x_add_ls.append(x[-1])    
    return np.array(x_add_ls)

x=np.linspace(1,5,5)
print(x)
print(interpolate_add(x,3))

它打印：</p>

[1。2. 3. 4. 5.]

[1。1.5 2. 2.5 3. 3.5 4. 4.5 5.]

在代码中，interpolate_add有两个参数

  • x_add是你的数据（numpy.array）。数据形状为 (N,)

  • num是两个原始数据之间的插入数据编号。

例如，如果您的数据是array([1, 3])并且num是 1，则结果是array([1, 2, 3])

于 2018-10-22T08:54:56.947 回答