python interpolate.interp1d_我如何使用scipy.interpolate.interp1d使用相同的X数组插值多个Y数组?…

python interpolate.interp1d_我如何使用scipy.interpolate.interp1d使用相同的X数组插值多个Y数组?…例如,我有一个二维数据数组,其中一个维度上带有误差条,如下所示:In[1]:numpyasnpIn[2]:x=np.linspace(0,10,5)In[3]:y=np.sin(x)In[4]:y_er=(np.random.random(len(x))-0.5)*0.1In[5]:data=np.vstack([x,y,y_er]).TIn[6]:da…

大家好,又见面了,我是你们的朋友全栈君。

例如,我有一个二维数据数组,其中一个维度上带有误差条,如下所示:

In [1]: numpy as np

In [2]: x = np.linspace(0,10,5)

In [3]: y = np.sin(x)

In [4]: y_er = (np.random.random(len(x))-0.5)*0.1

In [5]: data = np.vstack([x,y,y_er]).T

In [6]: data

array([[ 0.00000000e+00, 0.00000000e+00, -6.50361821e-03],

[ 2.50000000e+00, 5.98472144e-01, -3.69252108e-03],

[ 5.00000000e+00, -9.58924275e-01, -2.99042576e-02],

[ 7.50000000e+00, 9.37999977e-01, -7.66584515e-03],

[ 1.00000000e+01, -5.44021111e-01, -4.24650123e-02]])

如果我想使用scipy.interpolate.interp1d,如何格式化它只需要调用一次?我想避免这种重复的方法:

In [7]: import scipy.interpolate as interpolate

In [8]: new_x = np.linspace(0,10,20)

In [9]: interp_y = interpolate.interp1d(data[:,0], data[:,1], kind=’cubic’)

In [10]: interp_y_er = interpolate.interp1d(data[:,0], data[:,2], kind=’cubic’)

In [11]: data_int = np.vstack([new_x, interp_y(new_x), interp_y_er(new_x)]).T

In [12]: data_int

Out[12]:

array([[ 0.00000000e+00, 1.33226763e-15, -6.50361821e-03],

[ 5.26315789e-01, 8.34210211e-01, 4.03036906e-03],

[ 1.05263158e+00, 1.18950397e+00, 7.81676344e-03],

[ 1.57894737e+00, 1.17628260e+00, 6.43203582e-03],

[ 2.10526316e+00, 9.04947417e-01, 1.45265705e-03],

[ 2.63157895e+00, 4.85798968e-01, -5.54638391e-03],

[ 3.15789474e+00, 1.69424684e-02, -1.31694104e-02],

[ 3.68421053e+00, -4.27201979e-01, -2.03689966e-02],

[ 4.21052632e+00, -7.74935541e-01, -2.61377287e-02],

[ 4.73684211e+00, -9.54559384e-01, -2.94681929e-02],

[ 5.26315789e+00, -8.97599881e-01, -2.94003966e-02],

[ 5.78947368e+00, -6.09763178e-01, -2.60650399e-02],

[ 6.31578947e+00, -1.70935195e-01, -2.06835155e-02],

[ 6.84210526e+00, 3.35772943e-01, -1.45246375e-02],

[ 7.36842105e+00, 8.27250110e-01, -8.85721975e-03],

[ 7.89473684e+00, 1.21766391e+00, -4.99008827e-03],

[ 8.42105263e+00, 1.39749683e+00, -4.58031991e-03],

[ 8.94736842e+00, 1.24503605e+00, -9.46430377e-03],

[ 9.47368421e+00, 6.38467937e-01, -2.14799109e-02],

[ 1.00000000e+01, -5.44021111e-01, -4.24650123e-02]])

我相信会是这样的:

In [13]: interp_data = interpolate.interp1d(data[:,0], data[:,1:], axis=?, kind=’cubic’)

解决方法:

因此,根据我的猜测,我尝试了axis =1.我仔细检查了唯一有意义的其他选项,axis = 0,它起作用了.所以对于下一个有同样问题的假人,这就是我想要的:

In [14]: interp_data = interpolate.interp1d(data[:,0], data[:,1:], axis=0, kind=’cubic’)

In [15]: data_int = np.zeros((len(new_x),len(data[0])))

In [16]: data_int[:,0] = new_x

In [17]: data_int[:,1:] = interp_data(new_x)

In [18]: data_int

Out [18]:

array([[ 0.00000000e+00, 1.33226763e-15, -6.50361821e-03],

[ 5.26315789e-01, 8.34210211e-01, 4.03036906e-03],

[ 1.05263158e+00, 1.18950397e+00, 7.81676344e-03],

[ 1.57894737e+00, 1.17628260e+00, 6.43203582e-03],

[ 2.10526316e+00, 9.04947417e-01, 1.45265705e-03],

[ 2.63157895e+00, 4.85798968e-01, -5.54638391e-03],

[ 3.15789474e+00, 1.69424684e-02, -1.31694104e-02],

[ 3.68421053e+00, -4.27201979e-01, -2.03689966e-02],

[ 4.21052632e+00, -7.74935541e-01, -2.61377287e-02],

[ 4.73684211e+00, -9.54559384e-01, -2.94681929e-02],

[ 5.26315789e+00, -8.97599881e-01, -2.94003966e-02],

[ 5.78947368e+00, -6.09763178e-01, -2.60650399e-02],

[ 6.31578947e+00, -1.70935195e-01, -2.06835155e-02],

[ 6.84210526e+00, 3.35772943e-01, -1.45246375e-02],

[ 7.36842105e+00, 8.27250110e-01, -8.85721975e-03],

[ 7.89473684e+00, 1.21766391e+00, -4.99008827e-03],

[ 8.42105263e+00, 1.39749683e+00, -4.58031991e-03],

[ 8.94736842e+00, 1.24503605e+00, -9.46430377e-03],

[ 9.47368421e+00, 6.38467937e-01, -2.14799109e-02],

[ 1.00000000e+01, -5.44021111e-01, -4.24650123e-02]])

我没有弄清楚使用np.vstack或np.hstack将new_x和内插数据合并在一行中的语法,但是这个post让我停止尝试,因为似乎更快地预分配了数组(例如,使用np.zeros)然后用新值填充它.

标签:scipy,python,numpy,interpolation

来源: https://codeday.me/bug/20191120/2044846.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/137567.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...

(0)


相关推荐

  • php_network_getaddresses: getaddrinfo failed 原因

    php_network_getaddresses: getaddrinfo failed 原因

  • java c++ 学哪个_c++和java区别 学哪个比较好

    java c++ 学哪个_c++和java区别 学哪个比较好尽管Java是基于C++的,但是相比之下,Java是一种更纯粹的面向对象程序设计语言。Java的运用方面比c++要广一些。Java主要包括Web开发、移动互联开发等,应用场景较多,市场的需求量上来看Java程序员的市场需求量更大一些。Java和C++有什么不同1、Java源码会先经过一次编译,成为中间码,中间码再被解释器解释成机器码。对于Java而言,中间码就是字节码(、class),而解释器在…

  • python运维实战pdf_python运维实例.pdf[通俗易懂]

    python运维实战pdf_python运维实例.pdf[通俗易懂]python运维实例第一部分Part1基础篇■第1章系统基础信息模块详解■第2章业务服务监控详解■第3章定制业务质量报表详解■第4章Python与系统安全Chapter1第1章系统基础信息模块详解系统基础信息采集模块作为监控模块的重要组成部分,能够帮助运维人员了解当前系统的健康程度,同时也是衡量业务的服务质量的依据,比如系统资源吃紧,会直接影响业务的服务质…

  • DatabaseMetaData的简单使用

    DatabaseMetaData的简单使用在看大佬写的一个导出数据库建标脚本的接口的时候,发现频频用到DataBaseMetaData这个类,之前也没有用过这个类下的API,记录一下心得用法。DatabaseMetaData是java.sql包中的接口,利用它可以获取我们连接到的数据库的结构、存储等很多信息;先上个API文档:这英文看的是心力憔悴,直接来看这个接口…

  • Laravel 5框架Mutator,Scope

    Laravel 5框架Mutator,Scope首先修改控制器:publicfunctionstore(){Article::create(Request::all());returnredirect(‘articles’);}然后修改视图,添…

  • 如何和女生聊天不尬聊_女孩说和我聊天是尬聊

    如何和女生聊天不尬聊_女孩说和我聊天是尬聊大家好呀,我是辣条。写这篇文章的灵感来源于之前和朋友的聊天,真的无力吐槽了,想发适合的表情包怼回去却发现收藏的表情包就那几个,就想着是不是可以爬取一些表情包,再也不用尬聊了。先给大家看看我遇到的聊天最尬的场面:斗图吧图片采集抓取目标工具使用重点内容学习项目思路分析整理需求简易源码分享抓取目标网站:斗图吧工具使用开发环境:win10、python3.7开发工具:pycharm、Chrome工具包:requests、etree重点内容学习1.Q队列储存数据信息2.py多线程使用方法

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号