向数据中添加更多样本点答案

【问题标题】：Add more sample points to data向数据中添加更多样本点
【发布时间】：2010-11-01 20:37:24
【问题描述】：

给定一些形状为 20x45 的数据，其中每一行是一个单独的数据集，比如 20 条不同的正弦曲线，每条有 45 个数据点，我将如何获取相同的数据，但形状为 20x100？

换句话说，我有一些形状为 20x45 的数据 A，和一些长度为 20x100 的数据 B，我希望 A 的形状为 20x100，以便更好地比较它们。

这适用于 Python 和 Numpy/Scipy。

我假设它可以用样条线来完成，所以我正在寻找一个简单的例子，可能只是 2x10 到 2x20 或其他东西，其中每一行只是一条线，来演示解决方案。

谢谢！

【问题讨论】：

听起来你想要插值。那么问题是关于插值方法还是关于实现？
让我详细说明我的问题，还有一些东西。

标签： python numpy scipy

【解决方案1】：

在我输入这个例子的时候，Ubuntu 打败了我，但是他的例子只是使用线性插值，这可以用 numpy.interpolate 更容易地完成......（区别只是 scipy.interpolate.interp1d 中的一个关键字参数，但是）。

我想我会包含我的示例，因为它显示了使用 scipy.interpolate.interp1d 和三次样条...

import numpy as np
import scipy as sp
import scipy.interpolate
import matplotlib.pyplot as plt

# Generate some random data
y = (np.random.random(10) - 0.5).cumsum()
x = np.arange(y.size)

# Interpolate the data using a cubic spline to "new_length" samples
new_length = 50
new_x = np.linspace(x.min(), x.max(), new_length)
new_y = sp.interpolate.interp1d(x, y, kind='cubic')(new_x)

# Plot the results
plt.figure()
plt.subplot(2,1,1)
plt.plot(x, y, 'bo-')
plt.title('Using 1D Cubic Spline Interpolation')

plt.subplot(2,1,2)
plt.plot(new_x, new_y, 'ro-')

plt.show()

【讨论】：

这样就行了，谢谢！接受了答案，因为有如此多的细节和漂亮的图片。

【解决方案2】：

一种方法是使用scipy.interpolate.interp1d:

import scipy as sp
import scipy.interpolate
import numpy as np
x=np.linspace(0,2*np.pi,45)
y=np.zeros((2,45))
y[0,:]=sp.sin(x)
y[1,:]=sp.sin(2*x)
f=sp.interpolate.interp1d(x,y)
y2=f(np.linspace(0,2*np.pi,100))

如果您的数据相当密集，则可能没有必要使用高阶插值。

【讨论】：

【解决方案3】：

如果您的应用程序对精度不敏感，或者您只想快速了解一下，您可以用相邻已知数据点的平均值填充未知数据点（换句话说，进行简单的线性插值）。

【讨论】：

那很好。我将如何对每一行数据执行此操作，理想情况下没有循环？
我刚刚查看了 scipy 文档，并且有一些不错的插值工具可用，你应该使用它们。见这里：docs.scipy.org/doc/scipy/reference/tutorial/interpolate.html。看起来您只需要调用interpolate.splrep() 来构造样条表示，然后调用interpolate.splev() 在您需要的点处评估样条。很抱歉，我目前无法访问带有 scipy 的环境，也无法提供代码。无论如何，所有信息都在链接文档的示例部分。