0

我想使用 numpy/scipy 在 python 中推断 3d 图。外推是通过曲线拟合完成的。请参阅以下具有不同 x 和 y 大小的数据。

x = np.array([740,760,780,800,820,840,860,880,900,920,940,960])     # Presssure in mBar

y = np.array([1500,1800,2100,2400,2700,3000,3300,3600,3900])     # Rpm

# Fuel Amount in micro seconds

z = np.array([[1820,1820,1820,1820,2350,2820,3200,3440,3520,3600,3600,3600],  
              [1930,1930,1930,2170,2700,2880,3240,3580,3990,3990,3990,3990],  
              [1900,1900,2370,2680,2730,3050,3450,3760,3970,3970,3970,3970],  
              [2090,2090,2240,2410,2875,3180,3410,3935,4270,4270,4270,4270],  
              [1600,2180,2400,2700,2950,3290,3780,4180,4470,4470,4470,4470],  
              [2100,2280,2600,2880,3320,3640,4150,4550,4550,4550,4550,4550],  
              [2300,2460,2810,3170,3400,3900,4280,4760,4760,4760,4760,4760],  
              [2170,2740,3030,3250,3600,4100,4370,4370,4370,4370,4370,4370],  
             [2240,2580,2870,3275,3640,4050,4260,4260,4260,4260,4260,4260]])

Scipy 具有 scipy.interpolate.interp2d 类，但它仅在 x 和 y 大小相同时进行插值。 http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.interpolate.interp2d.html

我想在 y 轴点 900 和 1200 和 x 轴点 720 处外推曲线。

IE

xNew = (720,x)
yNew = (900,1200,y)

因为我没有 z = f(x,y) 的函数。对于上述情况，如何在 python 中进行曲线拟合并获得所需点的曲线值。

4

1 回答 1

2

您需要提供z构建值的网格，即类似

x=[[740,760,...,960],
   .....
   [740,760,...,960]]

同样对于y. 这可以通过以下方式实现numpy.meshgrid：

xx,yy=np.meshgrid(x,y)
test_function=interp2d(xx,yy,z)

使用您的数据，我可以执行test_function(720,900)并获得 1820 的值，这是最近邻外推法。如果您需要“更好”的外推（无论这意味着什么），您需要为您的数据开发某种模型函数并使用内部的拟合方法scipy。

于 2016-01-20T11:04:20.967 回答