scipy中二次樣條插值和二次樣條插值之間的區別

我正在編寫函數，它將使用scipy.interpolate函數計算python中的1d插值。使用文檔幫助我寫了2個不同的函數，用於立方和三次樣條插值scipy中二次樣條插值和二次樣條插值之間的區別

# calculate cubic interpolation 
def linear_interpolation(x): 
    linear = interpolate.interp1d(support_x, support_y, 'cubic') 
    return linear(x) 

# calculate cubic spline interpolation 
def cubic_spline_interpolation(x): 
    tck = interpolate.splrep(support_x, support_y) 
     return interpolate.splev(x, tck)

我對這裏的方法有些困惑。如果我使用interpolate.interp1d(support_x, support_y, 'cubic')，那麼與cubic spline方法有什麼不同？ kind = 'quadratic'和second order spline之間的區別是什麼？（'linear'，'nearest'，'zero'，'slinear'，'quadratic'，'cubic'，'slinear'，'quadratic'和'cubic'指的是第一個樣條插值，二階或三階），那麼爲什麼我必須爲三次樣條函數編寫不同的函數，而不是僅僅改變它爲kind=cubic

來源

2017-10-09 bhjghjh

它們都返回相同的樣條線，儘管在內部，實現是不一樣的（interp1d更多最近並且擁有更高的Python代碼百分比，與幾乎所有Fortran代碼的splrep相比）。「二次」表示與二次相同，「立方」表示三次。一些區別：

splrep及其近親UnivariateSpline是功能更豐富的花鍵施工程序;它們允許創建非插值樣條的平滑參數。
interp1d如果您不需要平滑，使用起來可能會更簡單。

無論如何，這遠遠不是SciPy中冗餘功能的唯一實例。添加新的方法和參數，但保留舊的方法以實現向後兼容。

歷史記錄：在舊版本的SciPy（例如0.15.1）中，interp1d返回的樣本質量較差，與splrep相比質量較差（此答案的第一個修訂版基於版本0.15.1）。在當前版本0.19.1中，這個問題不再存在：兩者都返回相同的樣條曲線。這裏是一個演示：

import numpy as np 
from scipy.interpolate import interp1d, splrep, splev 

x = np.linspace(0, 6, 7) 
y = np.array([3, 1, 4, 1, 5, 5, 2]) # some data 
xx = np.linspace(0, 6, 100)   # evaluation points 

y1 = interp1d(x, y, kind='cubic')(xx) 
y2 = splev(xx, splrep(x, y, k=3)) 
print(np.abs(y1-y2).max()) 

y1 = interp1d(x, y, kind='quadratic')(xx) 
y2 = splev(xx, splrep(x, y, k=2)) 
print(np.abs(y1-y2).max())

輸出顯示這兩個例程在典型的數值錯誤內達成一致。

2.6645352591e-15 
1.7763568394e-15

來源

2017-10-09 19:42:00 FTP

scipy中二次樣條插值和二次樣條插值之間的區別

回答

相關問題