Python:numpy.interp 给出曲线

Question

我正在尝试将低分辨率曲线(10 个数据点)线性插值到更高分辨率(~1000 个数据点)。我想要的是一条形状相同但具有更多 x 和 y 值的新曲线，即高分辨率和低分辨率曲线在绘制为线条时看起来无法区分。

我多次使用 Numpy 的插值法，所以这让我感到困惑。我做了通常的 np.interp(newX, oldX, oldY) 但是当我绘制它时我得到了一个有趣的结果。

绿色方 block 之间的线应该是直的，而不是像这样弯曲。

我不确定这是否重要，但我的 X 值范围从 0 到 1000，我的 Y 值范围从 1e-12 到 1e-16。任何建议将不胜感激!

更新:上面的图是对数刻度，但它也发生在线性图上。

这是实际数据。 (实际上是 1e-15 到 1e-19):

X = array([  0.3543  ,   0.477   ,   0.544579,   0.6231  ,   0.64142 ,
         0.7625  ,   0.79788 ,   0.9134  ,   1.02894 ,   1.235   ,
         1.241608,   1.615118,   1.662   ,   2.159   ,   2.181858,
         3.4     ,   3.507511,   3.732206,   4.436578,   4.6     ,
         4.664426,   5.628102,   7.589159,  12.      ])

Y = array([  8.54633502e-19,   3.82388943e-18,   7.33750003e-18,
         2.98683733e-17,   7.77237551e-17,   2.04059657e-16,
         3.72124584e-16,   8.77407275e-16,   1.65824812e-15,
         2.48616026e-15,   2.80165491e-15,   2.03270375e-15,
         2.03205199e-15,   1.24592352e-15,   1.20231667e-15,
         3.85565084e-16,   4.34827044e-16,   3.86967563e-16,
         1.67622220e-16,   1.48774069e-16,   1.25065750e-16,
         7.53511540e-17,   2.34138998e-17,   5.77852724e-18])

所以我确信这确实只是一个对数尺度效应。但出于某种原因，当我使用 ax.loglog() 绘制它然后执行 ax.set_yscale('linear') 时，轴比例会发生变化，但子图数据不会'吨。当我使用 ax.plot() 绘制它时，它看起来很好。

谁能解释一下？

Answer 1

我也遇到了同样的问题，但使用的是 scipy 的 interpolate.interp1d。问题不在于代码，而在于对数的工作原理。线性图上的直线变成半对数图上的曲线。考虑极限情况，您只有两个点 (ya,xa) 和 (yb,xb) 要在半对数图上绘制并连接。如果您首先在这些点之间进行线性插值，则会创建一个对象，该对象是一条线段 L(x)(例如，由精细网格点组成的数组表示)。如果您随后获取 L 的对数并将其与 x 作图，您将得到一条曲线。这就是在您的附加图上给出“弹性”行为的原因。如果你想在对数图中画一条直线，你需要取 ya 和 yb 的对数，插值，然后绘图。如果您正在查看跨越数十年的内容，您可能希望在获取日志后进行插值，但这可能取决于您的应用程序。