Python：如何将由点给出的 3d 曲线重新采样为等距离的样条曲线？

Question

请允许我将其与难度增加的问题分开：

---

1.

我有一些一维曲线，以(n,) 点数组的形式给出。

我想让它重新采样k 次，并让结果来自通过所有点的三次样条。

这可以通过interp1d来完成

---

2. 该曲线以非相同间隔的样本作为形状数组(n, 2) 给出，其中(:, 0) 代表样本时间，(:, 1) 代表样本值。

我想以 k 个相同的时间间隔重新采样曲线。

如何做到这一点？

我当时想我可以做t_sampler = interp1d(np.arange(0,k),arr[:, 0])，然后interp1d(t_sampler(np.arange(0,k)), arr[:, 1])

我错过了什么吗？

---

3.

如何以相等的距离间隔重新采样曲线？ （问题 2 是相等的 时间 间隔）

---

4.

如果曲线是由形状为 (n, 4) 的数组给出的 3d 曲线，其中 (:,0) 是（非均匀）采样时间，其余的是采样位置？

---

很抱歉，对于单个问题中的许多问题，它们似乎太相似了，无法为每个问题打开一个新问题。

Answer 1

部分答案；对于 1 和 2，我会这样做：

from scipy.interpolate import interp1d
import numpy as np

# dummy data
x = np.arange(-100,100,10)
y = x**2 + np.random.normal(0,1, len(x))

# interpolate:
f = interp1d(x,y, kind='cubic')

# resample at k intervals, with k = 100:
k = 100
# generate x axis:
xnew = np.linspace(np.min(x), np.max(x), k)

# call f on xnew to sample y values:
ynew = f(xnew)

plt.scatter(x,y)
plt.plot(xnew, ynew)