大家好，又见面了，我是你们的朋友全栈君。
我正在将一个MatLab程序转换为Python，我很难理解为什么scipy.interpolate.interp1d给出的结果与MatlabInterp1不同。
在MatLab中，用法略有不同：yi = interp1(x,Y,xi,’cubic’)
剪刀：f = interp1d(x,Y,kind=’cubic’)
yi = f(xi)
对于一个简单的例子，结果是相同的：
MatLab软件：interp1([0 1 2 3 4], [0 1 2 3 4],[1.5 2.5 3.5],’cubic’)
1.5000 2.5000 3.5000
Python：interp1d([1,2,3,4],[1,2,3,4],kind=’cubic’)([1.5,2.5,3.5])
array([ 1.5, 2.5, 3.5])
但对于现实世界的例子来说，它们并不相同：x = 0.0000e+000 2.1333e+001 3.2000e+001 1.6000e+004 2.1333e+004 2.3994e+004
Y = -6 -6 20 20 -6 -6
xi = 0.00000 11.72161 23.44322 35.16484… (2048 data points)
Matlab软件：-6.0000e+000
-1.2330e+001
-3.7384e+000
…
7.0235e+000
7.0028e+000
6.9821e+000
剪刀：array([[ -6.00000000e+00],
[ -1.56304101e+01],
[ -2.04908267e+00],
…,
[ 1.64475576e+05],
[ 8.28360759e+04],
[ -5.99999999e+00]])
关于如何得到与MatLab一致的结果有什么想法吗？
编辑：我知道三次插值算法的实现有一定的自由度，这可能解释了我看到的差异。似乎我正在转换的原始MatLab程序应该使用线性插值，所以这个问题可能是没有意义的。
发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/131343.html原文链接：https://javaforall.cn
【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛
【官方授权 正版激活】： 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...
