numpy中的局部线性逼近答案

【问题标题】：Local linear approximation in numpynumpy中的局部线性逼近
【发布时间】：2012-11-06 18:34:42
【问题描述】：

我有一些x 和y 数据，其中x 向量中的每个条目在y 向量中都有一个对应的条目。此外，x 数据的间距不均匀。

我想在x 样本之间进行插值，以获得x 维度中的均匀间距，并近似对应的y 值。在 numpy 中，interp1d 似乎是一个自然的解决方案，但我的问题有一个警告：x 值不是单调递增的（因为 x 和 y 都是时间的函数)。 interp1d 函数和 interpolate 模块中的其他函数因此在 x 反转方向的那些点上给出奇怪的结果。

我真正想做的只是在每组两个相邻的x 点之间拟合一条直线，然后根据这个非常局部的近似值进行插值。 numpy 中是否有执行此操作的功能，还是我必须自己安装一些东西？

【问题讨论】：

您应该记住将有用的答案标记为“已接受”；这有助于其他人在查看您的问题时找到最有用的答案，也可以让您花时间帮助您的人获得认可。
如果x 不是单调递增或递减，则说明您没有唯一映射。例如，如果你有x=array([0, 1, 0])，如果你通过xx = 0.5，应该对哪两个点进行插值？
我知道没有唯一的映射。但是，假设 x = array([0,1,0]) 如果我将插值输入作为 xx=array([0, 0.5, 1, 0.5, 0])，那么我想得到什么第一个 0.5 值是第一个 2 年之间的中点，第二个 0.5 值是第二个 2 年之间的中点，如果这种解释有意义的话。
您可以访问时间变量吗？如果是这样，您可以使用多元回归根据 x 和 t 预测 y。
多元回归听起来很合理，但除此之外，我需要弄清楚 y 作为 x 的函数变化的速度有多快，这基本上减少了我自己操纵的东西。

标签： python numpy interpolation

【解决方案1】：

你能对你的 xy 对进行排序，然后使用 interp1d 吗？像这样？

import sort
xy = zip(x,y)
new_xy = sorted(xy, key=lambda xy: xy[0])
x = new_xy[:,0]
y = new_xy[:,1]

现在你的 x 是单调递增的，并且关系得到了保留。

【讨论】：