Interpolation SciPy
Qu'est-ce que l'interpolation ?
Dans le domaine de l'analyse numérique en mathématiques, l'interpolation est un processus ou une méthode permettant de dériver de nouveaux points de données dans un intervalle à partir de points de données discrets connus.
En termes simples, l'interpolation est une méthode de génération de points entre des points donnés.
Par exemple :Pour deux points 1 et 2, nous pouvons interpoler et trouver les points 1.33 et 1.66.
L'interpolation a de nombreux usages. En apprentissage automatique, nous traitons souvent des données comportant des valeurs manquantes, et l'interpolation peut généralement être utilisée pour remplacer ces valeurs.
Cette méthode de remplissage des valeurs est appelée imputation.
En plus de l'imputation, l'interpolation est souvent utilisée lorsqu'il faut lisser des points discrets dans un jeu de données.
Comment implémenter l'interpolation dans SciPy ?
SciPy fournit le module scipy.interpolate pour gérer l'interpolation.
Interpolation unidimensionnelle
Pour l'interpolation de données unidimensionnelles, vous pouvez utiliser la méthodeinterp1d()pour la réaliser.Cette méthode prend deux paramètres : les points x et les points y.
La valeur de retour est une fonction appelable, qui peut être appelée avec un nouveau x et renvoie le y correspondant,y = f(x)。
Interpolez les xs et ys donnés, de 2.1, 2.2... à 2.9 :
Exemple
import numpy as np
xs = np.arange(10)
ys = 2*xs + 1
interp_func = interp1d(xs, ys)
newarr = interp_func(np.arange(2.1, 3, 0.1))
print(newarr)
Le résultat de sortie est:
[5.2 5.4 5.6 5.8 6. 6.2 6.4 6.6 6.8]
Remarque :Les nouveaux xs doivent être dans la même plage que les anciens xs, ce qui signifie que nous ne pouvons pas appeler interp_func() avec des valeurs supérieures à 10 ou inférieures à 0.
Interpolation univariée
En interpolation unidimensionnelle, les points sont ajustés à une seule courbe, tandis qu'en interpolation spline, les points sont ajustés à des fonctions définies par morceaux à l'aide de polynômes.
L'interpolation univariée utilise la fonction UnivariateSpline(), qui accepte xs et ys et génère une fonction appelable pouvant être appelée avec de nouveaux xs.
Une fonction par morceaux est une fonction qui possède différentes expressions analytiques pour différentes plages de valeurs de la variable indépendante x.
Trouvez l'interpolation spline univariée pour les points non linéaires 2.1, 2.2...2.9 :
Exemple
import numpy as np
xs = np.arange(10)
ys = xs**2 + np.sin(xs) + 1
interp_func = UnivariateSpline(xs, ys)
newarr = interp_func(np.arange(2.1, 3, 0.1))
print(newarr)
Le résultat de sortie est:
[5.62826474 6.03987348 6.47131994 6.92265019 7.3939103 7.88514634 8.39640439 8.92773053 9.47917082]
Interpolation par fonctions de base radiale
Une fonction de base radiale est une fonction définie par rapport à des points de référence fixes.
Dans l'interpolation de surface, on utilise généralement l'interpolation par fonctions de base radiale.
La fonction Rbf() accepte xs et ys comme paramètres et génère une fonction appelable qui peut être appelée avec de nouveaux xs.
Exemple
import numpy as np
xs = np.arange(10)
ys = xs**2 + np.sin(xs) + 1
interp_func = Rbf(xs, ys)
newarr = interp_func(np.arange(2.1, 3, 0.1))
print(newarr)
Le résultat de sortie est:
[6.25748981 6.62190817 7.00310702 7.40121814 7.8161443 8.24773402 8.69590519 9.16070828 9.64233874]Autres extensions