我可以矢量化 scipy.interpolate.interp1d

Question

interp1d 非常适合我拥有的单个数据集，但是我有超过 500 万个数据集需要插值。

我需要插值是三次的，并且每个子集应该有一个插值。

现在我可以使用 for 循环来执行此操作，但是，要插入 500 万个集合，这需要相当长的时间（15 分钟）：

interpolants = []
for i in range(5000000):             
    interpolants.append(interp1d(xArray[i],interpData[i],kind='cubic'))

我想做的可能看起来像这样：

interpolants = interp1d(xArray, interpData, kind='cubic')

然而这失败了，并出现错误：

ValueError: x and y arrays must be equal in length along interpolation axis.

我的 x 数组 (xArray) 和我的 y 数组 (interpData) 具有相同的维度...

我可以并行化 for 循环，但这只会稍微提高速度，我更喜欢矢量化操作。

Answer 1

过去几天我也一直在尝试做类似的事情。我终于设法用np.vectorize 做到了，使用function signatures。试试下面的代码 sn-p：

fn_vectorized = np.vectorize(interpolate.interp1d,
                                     signature='(n),(n)->()')
interp_fn_array = fn_vectorized(x[np.newaxis, :, :], y)

x 和 y 是形状 (m x n) 的数组。目标是为x 的i 行和y 的i 行生成一个插值函数数组。数组interp_fn_array 包含插值函数（形状为（1 x m）。