Сплайн-интерполяция

У меня возникли трудности с выполнением сплайн-интерполяции для приведенного ниже набора:

import numpy
SOURCE = numpy.array([[1,2,3],[3,4,5], [9,10,11]])
from scipy.interpolate import griddata
from scipy.interpolate import interp1d
input = [0.5,2,3,6,9,15]

Линейная интерполяция работает нормально, но когда я заменяю линейную на кубическую, у меня возникает ошибка:

f = interp1d(SOURCE[:,0], SOURCE[:,1:], kind="linear", axis=0, bounds_error=False)
f(input)

f = interp1d(SOURCE[:,0], SOURCE[:,1:], kind="cubic", axis=0, bounds_error=False)
ValueError: The number of derivatives at boundaries does not match: expected 1, got 0+0

Как я могу выполнить эту кубическую интерполяцию?


python scipy interpolation cubic-spline
person Nielsou Akbrg    schedule 03.05.2020    source источник
comment
В некоторых интерполяторах это связано с аргументом order.   -  person HashRocketSyntax    schedule 23.04.2021

Ответы (1)


arrow_upward
6
arrow_downward

Ваши SOURCE данные слишком короткие. Для кубического сплайна требуется как минимум четыре точки для интерполяции, но вы предоставляете только три. Если вы добавите еще одно значение к SOURCE, оно должно работать более или менее так, как ожидалось:

>>> SOURCE = numpy.array([[1,2,3],[3,4,5], [9,10,11], [12,13,14]])  # added an extra value
>>> f = interp1d(SOURCE[:,0], SOURCE[:,1:], kind="cubic", axis=0, bounds_error=False)
>>> f(input)
array([[nan, nan],
       [ 3.,  4.],
       [ 4.,  5.],
       [ 7.,  8.],
       [10., 11.],
       [nan, nan]])
person Blckknght    schedule 03.05.2020
comment
спасибо, я действительно добавил немного больше данных, это очевидно, так как нужно аппроксимировать разницу для каждой точки... также знаете ли вы, есть ли возможность указать значение производной для экстраполяции (либо 0, либо [ f (x1) - f(x0) ] / [x1 - x0] для обычных или зажатых сплайнов ? - person Nielsou Akbrg; 03.05.2020