numpy数组上的线性插值答案

【问题标题】：Linear interpolation on a numpy arraynumpy数组上的线性插值
【发布时间】：2010-07-15 13:15:21
【问题描述】：

我有以下 numpy 数组：

#                      A    B    C         Y
my_arr = np.array([ [.20, .54, .26],     # <0
                    [.22, .54, .24],     # 1
                    [.19, .56, .25],     # 2
                    [.19, .58, .23],     # 3
                    [.17, .62, .21] ])   # 4+

如果用户输入 y（例如 2.5），我应该输出三个值，一个用于 A、B 和 C：

在我的示例中 A：0.19，B：0.57，C：0.24

更多例子：

Y     A      B      C
0.2   .20    .54    .26 
1.5   .215   .55    .245
4.0   .17    .62    .21
8.7   .17    .62    .21

用户将输入多个 y 值作为 numpy 数组。结果也应该是一个数组

例如，我已经完成了一些代码

#boundaries:
y[y < 0] = 0
y[y > 4] = 4

我还假设 scipy.ndimage / map_coordinates 最适合我的要求，而不是 scipy.interpolate 但我可能错了

【问题讨论】：

Scipy interpolation on a numpy array 的可能重复项
这也是我的问题，两者之间的区别是一个在 x、y 上插值，而这个问题只在 y 上插值

标签： python numpy scipy interpolation

【解决方案1】：

from scipy import array, ndimage

#              A    B    C         Y
m = array([ [.20, .54, .26],     # 0
            [.22, .54, .24],     # 1
            [.19, .56, .25],     # 2
            [.19, .58, .23],     # 3
            [.17, .62, .21] ])   # 4

inputs = array([-1, 0, 0.2, 1, 1.5, 2, 2.5, 3, 4, 8.7])
inputs[inputs < 0] = 0
inputs[inputs > 4] = 4

for y in inputs:
    x = ndimage.map_coordinates(m, [y * numpy.ones(3), numpy.arange(3)], order=1)
    print y, x

>>> 
0.0 [ 0.2   0.54  0.26]
0.0 [ 0.2   0.54  0.26]
0.2 [ 0.204  0.54   0.256]
1.0 [ 0.22  0.54  0.24]
1.5 [ 0.205  0.55   0.245]
2.0 [ 0.19  0.56  0.25]
2.5 [ 0.19  0.57  0.24]
3.0 [ 0.19  0.58  0.23]
4.0 [ 0.17  0.62  0.21]
4.0 [ 0.17  0.62  0.21]

【讨论】：

如果 y 轴从 0 到 4 不同会怎样

【解决方案2】：

使用 scipy.ndimage 可能有更好的方法，但这里是使用 scipy.interpolate.interp1d 的方法：

import numpy as np
import scipy.interpolate as spi

#                      A    B    C         Y
my_arr = np.array([ [.20, .54, .26],     # 0
                    [.22, .54, .24],     # 1
                    [.19, .56, .25],     # 2
                    [.19, .58, .23],     # 3
                    [.17, .62, .21] ])

print(my_arr)
Y=np.arange(len(my_arr))
interp_funcs=[spi.interp1d(Y,my_arr[:,col]) for col in range(3)]
y=np.array([2.5,0.2,1.5,4.0,8.7])
y[y < 0] = 0
y[y > 4] = 4
print(np.vstack(f(y) for f in interp_funcs))
# [[ 0.19   0.204  0.205  0.17   0.17 ]
#  [ 0.57   0.54   0.55   0.62   0.62 ]
#  [ 0.24   0.256  0.245  0.21   0.21 ]]

【讨论】：