linear-interpolation

    0熱度

    1回答

    我想插我的時間序列數據,使其在均勻間隔的時間線,我用下面的代碼 % interpolate the series t = 0 : 3 : 400; Series 1 = interp1(series 1(:,1),series 1(:,2),t,'linear'); 但這錯誤消息不斷顯示出來,而且我不確定爲什麼使用griddedInterpolant 柵格矢量 錯誤不是嚴格單調遞增。 in

    1熱度

    1回答

    我有一個值和零矩陣,其中零= NA。這些值散佈在矩陣的周圍,我想要做的是插值所有NA值的值。這是數據: 我試圖通過採取在我的矩陣中所有已知值,並通過距離值乘以猜測所有這些值(使得更遠的一點是,它的影響力就越小)。這是內插結果是什麼樣子: 正如你所看到的,這種方法不是很有效,它不影響NA s到已知值最接近的,但後來他們迅速收斂到平均值。我認爲這是因爲它採用了整個範圍,這個範圍有許多起伏......而

    0熱度

    1回答

    我有2列信息。第二列是以秒爲單位的時間。第一列當時是錯誤的。我需要製作一個包含以秒爲單位的錯誤值2.5s的向量。應該有172個。這是我的數據: COL 0 =錯誤,列1秒 array([[0.00, 0.01], [1.91, 9.60], [0.00, 19.08], [2.05, 28.64], [1.04, 38.19], [1.89, 47

    3熱度

    1回答

    我有一個數據幀,包含Datetime,lat,lon,z列。我正在從csv文件中讀取數據,因此設置日期時間不起作用。時間間隔爲6小時,但我想將數據線性插值到小時間隔。 圍棋從 'A' 'B' 'C' 'D' 0 2010-09-13 18:00:00 16.3 -78.5 1 1 2010-09-14 00:00:00 16.6 -79.8 6 2 2010-09-14 06:00:

    2熱度

    1回答

    的docs在scipy.interpolate.interp1d(v0.17.0)說用於可選fill_value參數如下: fill_value : ... If a two-element tuple, then the first element is used as a fill value for x_new < x[0] and the second element is used fo

    0熱度

    1回答

    我需要比較插值函數的最大偏差與函數f(x)=exp(x)的真實值。我不知道如何找到發生這種情況的x值,因爲我使用x=np.linspace()來繪製插值和真實函數。 我的任務是先給出以下值x=[0,1,2]與f(x)=exp(x)線性內插,然後再與x=[0,0.5,1,1.5,2]。(我做了) x_1=np.linspace(0,1,num=20) x_2=np.linspace(1,2,num

    0熱度

    1回答

    這裏的問題是我拉一個csv成熊貓的數據幀,看起來像這樣: Identity Date value1 value2 Random Apple 1/1/2005 10 10 Orange Apple 12/1/2005 1 1 Orange 我需要再調用身份蘋果,發現它的最小值和最大值的日期,插入行,即個月,以便在兩點之間進行插值,以便最終結果變成 Identity Date

    3熱度

    1回答

    我正在使用scipy.interpolate.RegularGridInterpolator和method='linear'。獲取內插值非常簡單(請參閱https://docs.scipy.org/doc/scipy-0.16.0/reference/generated/scipy.interpolate.RegularGridInterpolator.html上的示例)。獲取漸變和插值的好方法是

    1熱度

    1回答

    使用3個向量和3個函數,我構建了3個結果矩陣。下面是什麼我實際上做一個短期和簡單的例子: xVec = -0.2:0.05:0.2; % Vector 1 yVec = 0:0.1:0.4; % Vector 2 zVec = 1:3; % Vector 3 [X,Y,Z] = meshgrid(xVec,yVec,zVec); R1 = (X.^2+Y.^2)./sqrt(Z)

    1熱度

    1回答

    我正在模擬CCD陣列中的陷阱。目前我正在使用NumPy和Scipy,並且我已經能夠矢量化大部分使我加快速度的呼叫。 目前我的代碼中的瓶頸是我必須從我的代碼的內部循環中從大量不同的插值中檢索一個數字。這一特定步驟佔用計算時間的約97%。 我做了我的問題在這裏的一個簡單的例子: import numpy as np from scipy.interpolate import interp1d #