Python реализует линейную интерполяцию, параболическую интерполяцию, сплайн-интерполяцию, лагранжеву интерполяцию, интерполяцию Ньютона и интерполяцию Эмильтера.
Python реализует линейную интерполяцию, параболическую интерполяцию, сплайн-интерполяцию, лагранжеву интерполяцию, интерполяцию Ньютона и интерполяцию Эмильтера.

Публичный аккаунт: Youerhut Редактор: Питер Автор: Питер

Привет всем, я Питер~

Позвольте мне представить вам сегодня7метод интерполяции:Линейная интерполяция, параболическая интерполяция、полиномиальная интерполяция、сплайн-интерполяция、Лагранжева интерполяция、Интерполяция Ньютона、Интерполяция Эрмита,И предоставить примеры реализации Python.

Импортировать библиотеку

Импортируйте библиотеки, необходимые для обработки и моделирования данных:

Язык кода:python
кодКоличество запусков:0
копировать
import numpy as np
import pandas as pd
import random

import matplotlib.pyplot as plt
%matplotlib inline

plt.rcParams['font.sans-serif'] = ['SimHei']  # Показать китайскую этикетку
plt.rcParams['axes.unicode_minus'] = False  # Показать отрицательный знак

import warnings
warnings.filterwarnings("ignore")

Линейная интерполяция interp1d

Линейная интерполяция — это математический метод, используемый для оценки неизвестного значения между двумя известными значениями.。Этот метод предполагает, что изменение между этими двумя известными точками линейно.,То есть скорость изменения постоянна. Линейная интерполяция проста и интуитивно понятна,Во многих областях, таких как обработка изображений, анализ данные и т. д. широко используются.

В частности, принцип линейной интерполяции можно описать так:

  1. Определить известные точки:Должно быть два известныхточки данных,Обычно выражается как (x0, y0) и (x1, y1).
  2. Вычислить коэффициенты интерполяции:Этот коэффициент определяется как $α = (x - x_0) / (x_1 - x_0)$, где x — местоположение оцениваемой стоимости.
  3. Примените формулу линейной интерполяции:По коэффициенту интерполяции α, можно использовать формулу $y = (1 - α)y_0 + αy_1$ рассчитать y ценить. Эта формула объясняет y Значение определяется выражением y0 и y1 По их расстоянию x Получено средневзвешенным относительным положением.
  4. Расширьтесь в многомерное пространство:линейная интерполяция Может быть расширен до двух или трех измерений.,Они называются билинейной интерполяцией и трилинейной интерполяцией соответственно. в двумерном пространстве,Сначала выполните две линейные интерполяции вдоль одной оси.,Затем выполните линейную интерполяцию по другой оси,Таким образом, получается окончательный результат интерполяции.

В практических приложениях линейная интерполяция часто используется для оценки значений пикселей при изменении размера изображения, разумной компенсации при отсутствии данных и масштабирования данных.

из-за своей простоты,Линейная интерполяция имеет высокую вычислительную эффективность.,Легко реализовать. Однако,Он основан на предположении о линейном изменении,Для данных с нелинейными связями,Линейная интерполяция может не дать наиболее точной оценки. в этих случаях,Возможно, потребуется использовать методы интерполяции более высокого порядка.,нравитьсяполиномиальная интерполяцияилисплайн-интерполяцияждать。

Язык кода:python
кодКоличество запусков:0
копировать
from scipy.interpolate import interp1d

x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([0, 3, 4, 1, 0, 4])

# Создайте функцию линейной интерполяции
f = interp1d(x, y, kind='linear')
# Рассчитать результаты интерполяции
x_new = np.linspace(0, 5, 100)
y_new = f(x_new)
 
    
# Нарисуйте график xуy
plt.plot(x, y, 'o', label='исходные данные')
# Нарисуйте график x_newиy_new
plt.plot(x_new, y_new, '-', label='результат линейной интерполяции')
# Добавить легенду
plt.legend()
# отображать графику
plt.show()

параболическая интерполяция

параболическая интерполяция,Также известна как квадратичная интерполяция,это своего рода полиномиальная метод интерполяции. Этот метод использует известные точки данные для построения квадратичного полинома,Используйте это как приближение к неизвестной функции.

Язык кода:python
кодКоличество запусков:0
копировать
import numpy as np  
import matplotlib.pyplot as plt  
  
# точки данных  
x = np.array([0, 1, 2, 3])  
y = np.array([0, 0.8, 0.9, 0.1])  
  
# Используйте функцию Polyfit numpy для квадратичной подгонки (т.е. параболической интерполяция), возвращает коэффициенты аппроксимирующего полинома  
# От высшей степени к низшей, например для ax^2 + bx + c, возвращает [a, b, c]  
coeffs = np.polyfit(x, y, 2)  
  
# Тестовые данные: x_min и x_max Наберите 100 очков между 
x_new = np.linspace(min(x), max(x), 100)  # Сгенерировать более детальный массив значений x для интерполяции  
y_new = np.polyval(coeffs, x_new)  # Результаты подгонки 
  
# нарисовать исходные точки кривая интерполяции данных  
plt.scatter(x, y, label='Data points', color='red')  
plt.plot(x_new, y_new, label='Parabolic Interpolation', color='blue')  
plt.xlabel('x')  
plt.ylabel('y')  
plt.legend()  
plt.show()

Полиномиальная интерполяция

Язык кода:python
кодКоличество запусков:0
копировать
from scipy.interpolate import BarycentricInterpolator

x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([0, 3, 4, 1, 0, 4])

# Создайте функцию полиномиальной интерполяции
f = BarycentricInterpolator(x, y)
# Рассчитать результаты интерполяции
x_new = np.linspace(0, 5, 100)
y_new = f(x_new)

# Нарисуйте график xуy
plt.plot(x, y, 'o', label='исходные данные')
# Нарисуйте график x_newиy_new
plt.plot(x_new, y_new, '-', label='Результат полиномиальной интерполяции')
# Добавить легенду
plt.legend()
# отображать графику
plt.show()

сплайн-интерполяция

сплайн-интерполяция — метод численного анализа.,используется для передачи заданного набораточки данныхПостроить плавную кривую。Его основная идея состоит в том, чтобыточки данныхпостроен междуполиномиальная функция,Эти функции соседствуют сточки данных Иметь везденепрерывная первая производная,Это создает плавную кривую.

На основе CubicSpline

Язык кода:python
кодКоличество запусков:0
копировать
from scipy.interpolate import CubicSpline  # 3Второсортныйсплайн-интерполяцияCubicSpline

# Пример данных
x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([0, 3, 4, 1, 0, 4])

# Создайте трижды функцию сплайн-интерполяции
cs = CubicSpline(x, y)

# Рассчитать результаты интерполяции
x_new = np.linspace(0, 5, 100)
y_new = cs(x_new)

# Нарисуйте график xуy
plt.plot(x, y, 'o', label='исходные данные')
# Нарисуйте график x_newиy_new
plt.plot(x_new, y_new, '-', label='сплайн-интерполяциярезультат')
# Добавить легенду
plt.legend()
# отображать графику
plt.show()

На основе interp1d(kind='cubic')

Язык кода:python
кодКоличество запусков:0
копировать
from scipy.interpolate import interp1d

x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([0, 3, 4, 1, 0, 4])

# Создайте функцию линейной интерполяции
f = interp1d(x, y, kind='cubic')  # Указано как кубическое: 3 раза
# Рассчитать результаты интерполяции
x_new = np.linspace(0, 5, 100)
y_new = f(x_new)
    
# Нарисуйте график xуy
plt.plot(x, y, 'o', label='исходные данные')
# Нарисуйте график x_newиy_new
plt.plot(x_new, y_new, '-', label='сплайн-интерполяциярезультат')
# Добавить легенду
plt.legend()
# отображать графику
plt.show()

Метод интерполяции Лагранжа Лагранж

Лагранжева интерполяция также является разновидностью полиномиальной интерполяции. Ее принцип заключается в построении полинома высокого порядка $p через несколько точек выборки $(x_i,y_i)(i=0,1,2,3...,n)$ (. x)$, чтобы примерно заменить $f(x)$

Язык кода:python
кодКоличество запусков:0
копировать
from scipy.interpolate import lagrange

# Пример данных
x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([0, 3, 4, 1, 0, 4])

# Создайте функцию интерполяции Лагранжа
f = lagrange(x, y)

# Рассчитать результаты интерполяции
x_new = np.linspace(0, 5, 100)
y_new = f(x_new)
    
# Нарисуйте график xуy
plt.plot(x, y, 'o', label='исходные данные')
# Нарисуйте график x_newиy_new
plt.plot(x_new, y_new, '-', label='Результат интерполяции Лагранжа')
# Добавить легенду
plt.legend()
# отображать графику
plt.show()

Метод интерполяции Ньютона Ньютон

Интерполяция Ньютона Основная идея заключается в использованииразницаиПлохой бизнесконцепция построения интерполяционных полиномов。Плохой бизнесэто своего родаоперация специального подразделения,Используется для расчета разницы между значениями функции.,Разница представляет собой дискретную форму коэффициента разности.

Интерполяция Ньютона多项式的структурарассчитывается путем вычисления нулевого порядкаnзаказ Плохой бизнес, которого нужно достичь. Эти Плохой бизнес Может использоваться для постепенного построения интерполирующих полиномов.,Добавляйте по одному элементу за раз,пока не будет достигнуто необходимое количество раз

Язык кода:python
кодКоличество запусков:0
копировать
import numpy as np

def newton_interpolation(x, y):
    """
    Интерполяция Ньютона
    x: Список абсцисс известных точек
    y: Список ординат известных точек
    return: интерполирующая полиномиальная функция
    """
    n = len(x) 
    #  Инициализировать таблицу коэффициентов разницы
    f = [[0] * n for _ in range(n)]  # n*n весь 0-мерный массив
    for i in range(n):
        f[i][0] = y[i]  # Присвойте ординату известной точки первому столбцу таблицы разностных коэффициентов.  
    
    for j in range(1, n): # j представляет собой порядок разностного коэффициента
        for i in range(n - j):  # я используется для перебора начальной позиции каждой строки
            f[i][j] = (f[i + 1][j - 1] - f[i][j - 1]) / (x[i + j] - x[i]) # Вычислить коэффициент разницы
            
    # структураинтерполирующая полиномиальная функция
    def P(t): 
        result = 0 # начальное значение
        for i in range(n):  # двойная петля
            temp = 1  # Временная переменная, используемая для вычисления произведения (t-x[j])  
            for j in range(i):
                temp *= (t - x[j])
            result += f[0][i] * temp  # Накопите произведение разностного коэффициента и (t-x[j]) в результат 
        return result
    return P     
Язык кода:python
кодКоличество запусков:0
копировать
# Пример данных
x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([0, 3, 4, 1, 0, 4])
P = newton_interpolation(x,y)

# Рассчитать результаты интерполяции
x_new = np.linspace(0, 5, 100)
y_new = P(x_new)
Язык кода:python
кодКоличество запусков:0
копировать
# Нарисуйте график xуy
plt.plot(x, y, 'o', label='исходные данные')
# Нарисуйте график x_newиy_new
plt.plot(x_new, y_new, '-', label='Результат интерполяции Ньютона')
# Добавить легенду
plt.legend()
# отображать графику
plt.show()

Метод интерполяции Эрмита Эрмит

Эрмитова интерполяция — это еще один тип задачи интерполяции. Этот тип интерполяции требует, чтобы значение функции интерполяционного полинома было таким же, как исходное значение функции в данном узле.

При этом также требуется, чтобы в узле значение производной первого порядка до заданного порядка интерполяционного полинома также было равно соответствующему значению производной порядка интерполируемой функции.,Такая интерполяция называется интерполяцией Эрмита.

Язык кода:python
кодКоличество запусков:0
копировать
import numpy as np
from scipy.interpolate import CubicHermiteSpline

# Пример данных
x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([0, 3, 4, 1, 0, 4])
dy = np.array([3, 1, -3, -1, 4,0])

# Создайте функцию интерполяции Эрмита
f = CubicHermiteSpline(x, y, dy)

# Рассчитать результаты интерполяции
x_new = np.linspace(0, 5, 100)
y_new = f(x_new)

# Нарисуйте график xуy
plt.plot(x, y, 'o', label='исходные данные')
# Нарисуйте график x_newиy_new
plt.plot(x_new, y_new, '-', label='Результат интерполяции Эрмита')
# Добавить легенду
plt.legend()
# отображать графику
plt.show()
boy illustration
Углубленный анализ переполнения памяти CUDA: OutOfMemoryError: CUDA не хватает памяти. Попыталась выделить 3,21 Ги Б (GPU 0; всего 8,00 Ги Б).
boy illustration
[Решено] ошибка установки conda. Среда решения: не удалось выполнить первоначальное зависание. Повторная попытка с помощью файла (графическое руководство).
boy illustration
Прочитайте нейросетевую модель Трансформера в одной статье
boy illustration
.ART Теплые зимние предложения уже открыты
boy illustration
Сравнительная таблица описания кодов ошибок Amap
boy illustration
Уведомление о последних правилах Points Mall в декабре 2022 года.
boy illustration
Даже новички могут быстро приступить к работе с легким сервером приложений.
boy illustration
Взгляд на RSAC 2024|Защита конфиденциальности в эпоху больших моделей
boy illustration
Вы используете ИИ каждый день и до сих пор не знаете, как ИИ дает обратную связь? Одна статья для понимания реализации в коде Python общих функций потерь генеративных моделей + анализ принципов расчета.
boy illustration
Используйте (внутренний) почтовый ящик для образовательных учреждений, чтобы использовать Microsoft Family Bucket (1T дискового пространства на одном диске и версию Office 365 для образовательных учреждений)
boy illustration
Руководство по началу работы с оперативным проектом (7) Практическое сочетание оперативного письма — оперативного письма на основе интеллектуальной системы вопросов и ответов службы поддержки клиентов
boy illustration
[docker] Версия сервера «Чтение 3» — создайте свою собственную программу чтения веб-текста
boy illustration
Обзор Cloud-init и этапы создания в рамках PVE
boy illustration
Корпоративные пользователи используют пакет регистрационных ресурсов для регистрации ICP для веб-сайта и активации оплаты WeChat H5 (с кодом платежного узла версии API V3)
boy illustration
Подробное объяснение таких показателей производительности с высоким уровнем параллелизма, как QPS, TPS, RT и пропускная способность.
boy illustration
Удачи в конкурсе Python Essay Challenge, станьте первым, кто испытает новую функцию сообщества [Запускать блоки кода онлайн] и выиграйте множество изысканных подарков!
boy illustration
[Техническая посадка травы] Кровавая рвота и отделка позволяют вам необычным образом ощипывать гусиные перья! Не распространяйте информацию! ! !
boy illustration
[Официальное ограниченное по времени мероприятие] Сейчас ноябрь, напишите и получите приз
boy illustration
Прочтите это в одной статье: Учебник для няни по созданию сервера Huanshou Parlu на базе CVM-сервера.
boy illustration
Cloud Native | Что такое CRD (настраиваемые определения ресурсов) в K8s?
boy illustration
Как использовать Cloudflare CDN для настройки узла (CF самостоятельно выбирает IP) Гонконг, Китай/Азия узел/сводка и рекомендации внутреннего высокоскоростного IP-сегмента
boy illustration
Дополнительные правила вознаграждения амбассадоров акции в марте 2023 г.
boy illustration
Можно ли открыть частный сервер Phantom Beast Palu одним щелчком мыши? Супер простой урок для начинающих! (Прилагается метод обновления сервера)
boy illustration
[Играйте с Phantom Beast Palu] Обновите игровой сервер Phantom Beast Pallu одним щелчком мыши
boy illustration
Maotouhu делится: последний доступный внутри страны адрес склада исходного образа Docker 2024 года (обновлено 1 декабря)
boy illustration
Кодирование Base64 в MultipartFile
boy illustration
5 точек расширения SpringBoot, супер практично!
boy illustration
Глубокое понимание сопоставления индексов Elasticsearch.
boy illustration
15 рекомендуемых платформ разработки с нулевым кодом корпоративного уровня. Всегда найдется та, которая вам понравится.
boy illustration
Аннотация EasyExcel позволяет экспортировать с сохранением двух десятичных знаков.