Интерполяция SciPy

Что такое интерполяция?

В области численного анализа в математике интерполяция — это процесс или метод получения новых точек данных в пределах диапазона из известных дискретных точек данных.

Проще говоря, интерполяция — это метод генерации точек между заданными точками.

Например:Для двух точек 1 и 2 мы можем интерполировать и найти точки 1.33 и 1.66.

Интерполяция имеет множество применений. В машинном обучении мы часто имеем дело с данными с пропущенными значениями, и интерполяция обычно может использоваться для замены этих значений.

Такой метод заполнения значений называется импутацией.

Помимо импутации, интерполяция часто используется там, где нужно сгладить дискретные точки в наборе данных.

Как реализовать интерполяцию в SciPy?

SciPy предоставляет модуль scipy.interpolate для работы с интерполяцией.

Одномерная интерполяция

Для интерполяции одномерных данных можно использовать методinterp1d()для её выполнения.

Этот метод принимает два параметра: точки x и точки y.

Возвращаемое значение — вызываемая функция, которую можно вызвать с новым x и которая возвращает соответствующее y,y = f(x)。

Интерполируйте заданные xs и ys, от 2.1, 2.2... до 2.9:

Пример

from scipy.interpolate import interp1d
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)

Результат вывода:

[5.2  5.4  5.6  5.8  6.   6.2  6.4  6.6  6.8]

Примечание:Новые xs должны быть в том же диапазоне, что и старые xs, то есть мы не можем вызывать interp_func() со значениями больше 10 или меньше 0.

Одномерная интерполяция

При одномерной интерполяции точки подгоняются под одну кривую, тогда как при сплайновой интерполяции точки подгоняются под функции, заданные кусочно с помощью полиномов.

Одномерная интерполяция использует функцию UnivariateSpline(), которая принимает xs и ys и создаёт вызываемую функцию, которую можно вызывать с новыми xs.

Кусочная функция — это функция, которая имеет разные аналитические выражения для разных диапазонов значений независимой переменной x.

Найдите одномерную сплайн-интерполяцию для нелинейных точек 2.1, 2.2...2.9:

Пример

from scipy.interpolate import UnivariateSpline
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)

Результат вывода:

[5.62826474 6.03987348 6.47131994 6.92265019 7.3939103  7.88514634
   8.39640439 8.92773053 9.47917082]

Интерполяция радиальными базисными функциями

Радиальная базисная функция — это функция, определённая относительно фиксированных опорных точек.

При интерполяции поверхностей мы обычно используем интерполяцию радиальными базисными функциями.

Функция Rbf() принимает xs и ys в качестве параметров и создаёт вызываемую функцию, которую можно вызывать с новыми xs.

Пример

from scipy.interpolate import Rbf
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)

Результат вывода:

  [6.25748981  6.62190817  7.00310702  7.40121814  7.8161443   8.24773402
   8.69590519  9.16070828  9.64233874]
Другие расширения