稍有不同的結果interp1d

我用interp1d適合三次樣條，但遇到一些memmory問題，所以按照以下question我已切換到使用InterpolatedUnivariateSpline。但是，我注意到在結果函數之間存在一些（非常）小的差異。因此我的問題是;稍有不同的結果interp1d

答：根據這個answer，據我所知它與底層方法（使用FITPACK或不）有什麼不同。但是，如果底層數學不一樣？

B.是否有可能使用InterpolatedUnivariateSpline重新生成interp1d結果（更改平滑樣條函數的程度或邊界只會使兩個圖形更加不同）？

最小代碼重現的細微差別：

from scipy.interpolate import interp1d 
from scipy.interpolate import InterpolatedUnivariateSpline 
import matplotlib.pyplot as plt 
import matplotlib 
import numpy 

x = [916.03189697265634, 916.0718969726563, 916.11189697265627, 916.15189697265623, 916.1918969726562, 916.23189697265627, 916.27189697265624, 916.31189697265631, 916.35189697265628, 916.39189697265624, 916.4318969726562, 916.47189697265628, 916.51189697265625, 916.55189697265632, 916.59189697265629, 916.63189697265625, 916.67189697265621, 916.71189697265618] 
y = [893483.0, 2185234.0, 3903053.0, 4264327.0, 3128900.0, 1374942.0, 554350.0, 442512.0, 414232.0, 403098.0, 413778.0, 264185.0, 363063.0, 473762.0, 452284.0, 526806.0, 461402.0, 424270.0] 
newX = numpy.linspace(x[0],x[-1],2500*(x[-1]-x[0])) 

f_interp1d = interp1d(x,y, kind='cubic') 
f_Univariate = InterpolatedUnivariateSpline(x,y) 
yINTER = f_interp1d(newX) 
yUNIVAR = f_Univariate(newX) 
fig = plt.figure() 
ax = fig.add_subplot(111) 
plt.plot(x,y,'b*') 
plt.plot(newX,yINTER,'r--') 
plt.plot(newX,yUNIVAR,'g--') 
plt.legend(['Raw Data','Interp1d','Univariate Spline'],loc='best') 
plt.show()

產生下列圖表（貌似精細）：

然而，鑑於一個靠近顯示是有區別的：

來源

2016-09-05 Bas Jansen

我發現主要區別在於InterpolatedUnivariateSpline嘗試執行連續擬合，而立方interp1d應用分段擬合。

我現在想出的唯一解決方案是確保兩個函數只使用4個數據點（在最高數據點附近），因爲這兩個函數都會產生單個解決方案（而不是單個解決方案與使用5個數據點的兩個部分解決方案相比）。

片段：

# Strip top point 
maxInt = 0 
for index,i in enumerate(y): 
    if i > maxInt: 
     maxInt = i 
x_sub = x[y.index(maxInt)-2:y.index(maxInt)+2] 
y_sub = y[y.index(maxInt)-2:y.index(maxInt)+2] 
newX = numpy.linspace(x_sub[0],x_sub[-1],2500*(x_sub[-1]-x_sub[0])) 

f_interp1d = interp1d(x_sub,y_sub, kind='cubic') 
f_Univariate = InterpolatedUnivariateSpline(x_sub,y_sub) 
yINTER = f_interp1d(newX) 
yUNIVAR = f_Univariate(newX) 
fig = plt.figure() 
ax = fig.add_subplot(111) 
plt.plot(x,y,'b*') 
plt.plot(newX,yINTER,'r--') 
plt.plot(newX,yUNIVAR,'g--') 
plt.legend(['Raw Data','Interp1d','Univariate Spline'],loc='best') 
plt.show()

這產生下列圖表（縮小）：

特寫示出了這兩種功能真正是 '相同'：

H不過，我仍然希望有一個更好的方法來強制這兩個職能產生類似的行爲。

來源

2016-09-06 09:21:02

稍有不同的結果interp1d

回答

相關問題