Interpolation Spline avec Python

J'ai écrit le code suivant pour effectuer une interpolation spline:

import numpy as np
import scipy as sp

x1 = [1., 0.88,  0.67,  0.50,  0.35,  0.27, 0.18,  0.11,  0.08,  0.04,  0.04,  0.02]
y1 = [0., 13.99, 27.99, 41.98, 55.98, 69.97, 83.97, 97.97, 111.96, 125.96, 139.95, 153.95]

x = np.array(x1)
y = np.array(y1)

new_length = 25
new_x = np.linspace(x.min(), x.max(), new_length)
new_y = sp.interpolate.interp1d(x, y, kind='cubic')(new_x)

mais je suis arriver:

ValueError: A value in x_new is below the interpolation range.

dans interpolate.py

Toute aide serait appréciée.

J'ai essayé de l'exécution de votre code et a obtenu name 'np' is not defined. Est-ce l'ensemble de votre programme?
Non, vous devez l'importer: numpy comme np, scipy que sp, scipy.interpoler

OriginalL'auteur Hellfish | 2012-08-07

  1. 13

    De la scipy documentation sur scipy.interpoler.interp1d:

    scipy.interpoler.interp1d(x, y, type= "linéaire", axe=-1, copie=True, bounds_error=True, fill_value=np.nan)

    x : array_like. 1-D tableau de plus en plus monotone valeurs réelles.

    ...

    Le problème est que les valeurs de x ne sont pas de plus en plus monotone. En fait, ils sont monotone décroissante. Laissez-moi savoir si cela fonctionne et si c'est toujours le calcul que vous recherchez.:

    import numpy as np
import scipy as sp
from scipy.interpolate import interp1d

x1 = sorted([1., 0.88, 0.67, 0.50, 0.35, 0.27, 0.18, 0.11, 0.08, 0.04, 0.04, 0.02])
y1 = [0., 13.99, 27.99, 41.98, 55.98, 69.97, 83.97, 97.97, 111.96, 125.96, 139.95, 153.95]

new_length = 25
new_x = np.linspace(x.min(), x.max(), new_length)
new_y = sp.interpolate.interp1d(x, y, kind='cubic')(new_x)
    Au lieu de sorted() vous pourriez juste x1.reverse() et y1.reverse().
    Merci!!!! Il a travaillé.
    merci pour l'attraper.
    Dans cet exemple, le x1,y1 paires sont brisées par le tri du tableau x1. Y1 tableau doit être déplacés de la même façon que le tableau x1.

    OriginalL'auteur ciferkey

  2. 10

    Vous pouvez obtenir cela de la manière suivante:

    import numpy as np
import scipy as sp
from scipy.interpolate import interp1d

x1 = [1., 0.88,  0.67,  0.50,  0.35,  0.27, 0.18,  0.11,  0.08,  0.04,  0.04,  0.02]
y1 = [0., 13.99, 27.99, 41.98, 55.98, 69.97, 83.97, 97.97, 111.96, 125.96, 139.95, 153.95]

# Combine lists into list of tuples
points = zip(x1, y1)

# Sort list of tuples by x-value
points = sorted(points, key=lambda point: point[0])

# Split list of tuples into two list of x values any y values
x1, y1 = zip(*points)

new_length = 25
new_x = np.linspace(min(x1), max(x1), new_length)
new_y = sp.interpolate.interp1d(x1, y1, kind='cubic')(new_x)
    À l'aide de code ci-dessus, j'obtiens cette erreur à la dernière ligne, à l'aide de Python 3.6: ValueError: Expect x to be a 1-D sorted array_like.
    Pour moi, il fonctionne très bien avec Python 2.7 et Python 3.5. J'ai numpy 1.11 et scipy 0.17.0. Les versions utilisez-vous?
    En effet, avec Python 3.5 numpy 1.11.3 et scipy 0.17.1 il fonctionne. Il travaille également avec scipy 0.18.1 et numpy 1.11.3, mais rompt ensuite avec scipy 0.19.1. Apparemment, interp1d est maintenant obsolète de toute façon.
    merci. interp1d ne semble pas être obsolète, mais en effet il ne parvient pas à scipy 0,19, et travaille avec 0.18.1.
    Voir la discussion ici, interp1d est maintenant UnivariateSpline github.com/scipy/scipy/issues/4304

    OriginalL'auteur Martin Thoma