Python interp1d 与 UnivariateSpline

Question

我正在尝试将一些 MatLab 代码移植到 Scipy，并且我尝试了 scipy.interpolate 中的两个不同函数，interp1d和 UnivariateSpline . interp1d 结果与 interp1d MatLab 函数相匹配，但 UnivariateSpline 数字不同 - 在某些情况下非常不同。

f = interp1d(row1,row2,kind='cubic',bounds_error=False,fill_value=numpy.max(row2))
return  f(interp)

f = UnivariateSpline(row1,row2,k=3,s=0)
return f(interp)

谁能提供任何见解？我的 x vals 不是等间距的，虽然我不确定为什么这很重要。

Answer 1

我刚遇到同样的问题。

简答

使用InterpolatedUnivariateSpline相反:

f = InterpolatedUnivariateSpline(row1, row2)
return f(interp)

长答案

UnivariateSpline是“适合给定数据点集的一维平滑样条”，而 InterpolatedUnivariateSpline是“给定数据点集的一维插值样条”。前者使数据平滑，而后者是一种更传统的插值方法，并重现了 interp1d 的预期结果。 .下图说明了差异。

重现该图的代码如下所示。

import scipy.interpolate as ip

#Define independent variable
sparse = linspace(0, 2 * pi, num = 20)
dense = linspace(0, 2 * pi, num = 200)

#Define function and calculate dependent variable
f = lambda x: sin(x) + 2
fsparse = f(sparse)
fdense = f(dense)

ax = subplot(2, 1, 1)

#Plot the sparse samples and the true function
plot(sparse, fsparse, label = 'Sparse samples', linestyle = 'None', marker = 'o')
plot(dense, fdense, label = 'True function')

#Plot the different interpolation results
interpolate = ip.InterpolatedUnivariateSpline(sparse, fsparse)
plot(dense, interpolate(dense), label = 'InterpolatedUnivariateSpline', linewidth = 2)

smoothing = ip.UnivariateSpline(sparse, fsparse)
plot(dense, smoothing(dense), label = 'UnivariateSpline', color = 'k', linewidth = 2)

ip1d = ip.interp1d(sparse, fsparse, kind = 'cubic')
plot(dense, ip1d(dense), label = 'interp1d')

ylim(.9, 3.3)

legend(loc = 'upper right', frameon = False)

ylabel('f(x)')

#Plot the fractional error
subplot(2, 1, 2, sharex = ax)

plot(dense, smoothing(dense) / fdense - 1, label = 'UnivariateSpline')
plot(dense, interpolate(dense) / fdense - 1, label = 'InterpolatedUnivariateSpline')
plot(dense, ip1d(dense) / fdense - 1, label = 'interp1d')

ylabel('Fractional error')
xlabel('x')
ylim(-.1,.15)

legend(loc = 'upper left', frameon = False)

tight_layout()