首頁 > 軟體

Python實現一維插值方法的範例程式碼

2022-04-18 13:01:08

插值主要用於物理學數學中,逼近某一確定值的方法

(1)插值是通過已知的離散資料求未知資料的方法。

(2)與擬合不同,插值要求曲線通過所有的已知資料。插值是離散函數逼近的重要方法,利用它可以通過函數在有限個點處的取值情況,估算出函數在其他點處的近似值。

(3)若函數 f(x),在自變數x(離散值)所對應的函數已知,求解出一個適當的特定函數 p(x) 使得 p(x) 在x處所取的函數值等於 f(x) 在x處的已知值。從而用 p(x) 來估計 f(x) 在這些x值之間的數所對應的函數值。

'''
scipy.interpolate.interp1d()  一維插值方法
引數
# ---------------------------------------------------------- #
x      陣列或列表型別,已知點的x座標
y      陣列或列表型別,已知點的y座標
kind   差值型別。zero, nearest  階梯插值, 0階B樣條曲線
                slinear, linear  預設線性插值, 用一條直線連線各個取樣點, 1階B樣條曲線
                quadratic, cubic  二階,三階 曲線取樣,更高階的可以直接用整數值定
axis   指定沿y的某個軸進行插值,預設沿y的最後一個軸插值
# ---------------------------------------------------------- #
'''

案例一:線性插值

x 座標為[0,1,2,...,9],座標y的計算公式為: ,插值方法是要通過已知的10個點,找到能夠完美經過這10個點的函數表示式 f,得到表示式後輸入新的x座標點,就能得到對應的新的y座標點

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
 
# 建立已知點的(x,y)座標
x = np.arange(0, 10)
y = np.exp(-x/3.0)
# 繪製離散點
# plt.plot(x, y, 'o')
 
# 插值方法就是找到一個函數完全經過這些點,從而預測其他相關的資訊
# 建立插值函數, 傳入已知點的座標, 使用線性插值
f = interp1d(x, y, kind='linear', axis=-1)  # 建立的結果是一個函數表示式
 
# 傳入新的點的x座標,預測出y座標
x_new = np.arange(0, 9, 0.2)
# 生成預測點
y_new = f(x_new)  
 
# 對比舊點和新點的座標
plt.plot(x, y, 'o', x_new, y_new, '*')
plt.show()

可以看到,插值後的新的座標點能夠經過舊的座標點。

案例二:案例應用

問:

在一次實驗中,在1到12的11個小時內,每隔1小時測量一次溫度,測得的溫度依次是:5、8、9、15、25、29、31、30、22、25、27、24。嘗試估計每隔1/10小時的溫度值。

答:

需要根據12小時的測量結果,插值計算出每0.1小時的測量結果。和上面一樣,找到一個函數能夠完美經過這12個座標點,使用這個函數預測新的座標。

下面使用兩種差值型別,線性插值和二階曲線插值,線性插值是在每兩個座標點之間用直線段相連,而二階曲線插值是在每兩個座標點之間使用二次曲線相連。

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
 
# x為時間序列, y為每個小時的測量溫度
x = np.arange(1, 13)
y = [5, 8, 9, 15, 25, 29, 31, 30, 22, 25, 27, 24]
 
# 插值求得包含所有座標點的函數表示式, 使用二階插值
f1 = interp1d(x, y, kind='quadratic', axis=-1)
# 使用線性插值
f2 = interp1d(x, y, kind='linear', axis=-1)
 
# 生成新的時間序列點
x_new = np.arange(1, 12, 0.1)
 
# 二階插值計算每個時間點對應的新的測量結果
y_new1 = f1(x_new)
# 二階插值計算測量結果
y_new2 = f2(x_new)
 
# 對比兩種插值方法的座標
plt.figure(figsize=(10,5))
plt.subplot(121)
plt.title('quadratic')
plt.plot(x, y, 'o', x_new, y_new1, '*')
 
plt.subplot(122)
plt.title('linear')
plt.plot(x, y, 'o', x_new, y_new2, '*')
plt.show()

可以看出二階插值方法比線性插值更加平滑,符合設計要求。

以上就是Python實現一維插值方法的範例程式碼的詳細內容,更多關於Python一維插值方法的資料請關注it145.com其它相關文章


IT145.com E-mail:sddin#qq.com