值與numpy的函數

假設我們有嚴格越來越多x數組給出採樣功能y = f(x)和陣列y：值與numpy的函數

import numpy as np 
import matplotlib.pyplot as plt 

x = np.linspace(0, 4, 11)  # [ 0. 0.4 0.8 1.2 1.6 2. 2.4 2.8 3.2 3.6 4. ] 
y = np.array([0, 1, 2, 3, 3, 1, -1, -4, -5, -6, -7]) 
plt.plot(x,y); plt.show()

有一種自然的方式，與numpy的，以例如計算值f(1.2)或f(2.3)？
可以通過最近的鄰居（f(2.3)應該是f(2.4) = -1）或通過線性插值。

這種方法將工作，但會相當unpythonic：第一手動查找i，使得距離abs(x[i]-2.2)是最小的，然後返回y[i]。我可以想象numpy有一個內置的功能呢？

來源

2016-02-16 Basj

你將有更具體的瞭解你的意思是*什麼「計算值'F（1.2 ）'「*。嚴格地說，你的函數只定義在'x'中給出的值上，所以如果你想估計其他任意位置的值，那麼你需要對它進行插值。有很多方法可以執行插值，例如最近鄰居，線性，立方體等。看看['np.interp']（http://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.interp.html）和['scipy.interpolate']（http://docs.scipy.org/doc/scipy/reference/interpolate.html）。 –

@ali_m我編輯並補充說，只要效率很高（我有幾百萬個採樣點要在短時間內處理），對我來說，最接近相鄰或線性插值都可以。 – Basj

@Basj如果最近鄰居是好的，並且性能是一個問題，那麼爲什麼你不要把x舍入到最近的可用值呢？否則，您的問題已在上述ali_m的評論中得到有效回答。 – kazemakase

如果可視化的插值是目標，那麼只需繪製函數就可以實現。 Numpy在數據點之間繪製線條，這相當於線性插值。

但是，如果要使用插值，則可以使用np.interp進行線性插值，或使用scipy.interpolate的某些函數進行任何類型的插值。最後，您可以通過簡單地舍入索引來執行最近鄰插值。

import numpy as np 
import matplotlib.pyplot as plt 

x = np.linspace(0, 4, 11)  # [ 0. 0.4 0.8 1.2 1.6 2. 2.4 2.8 3.2 3.6 4. ] 
y = np.array([0, 1, 2, 3, 3, 1, -1, -4, -5, -6, -7]) 

xi = np.linspace(0, 4, 1000) 

# a) nearest neighbor rounding 
dx = x[1] - x[0] 
i = np.round(xi/dx).astype(dtype=int) 
y1 = y[i] 

# b) linear interpolation 
y2 = np.interp(xi, x, y) 

plt.plot(x, y, '.', label='original points') 
plt.plot(xi, y1, label='rounding (nearest neighbor)') 
plt.plot(xi, y2, label='linear interpolation') 
plt.legend(loc='best') 
plt.show()

來源

2016-02-16 14:27:07 kazemakase

定爲由@ali_m註釋解決方案的工作很好：

np.interp(1.2, x, y) # 3.0 
np.interp(2.3, x, y) # -0.5 
np.interp(2.4, x, y) # -1

來源

2016-02-16 14:48:25 Basj

值與numpy的函數

回答

相關問題