Python 散射数据-缩放x轴以完成范围并插值剩余的y数据点

我有XY散点数据，随机X为整数。我希望输出数据具有偶数X分布，并对缺失的y进行插值

我将创建一个范围为x的数组并填充它。然后运行循环以填充新数组中的Y，然后对剩余的Y进行插值

但对我来说，这似乎效率太低了。有更好的方法吗？ 我对python相当陌生，不知道像numpy这样的模块是否内置了高效的解决方案

澄清：
排序后，我有一组这样的分散数据

[[1 , 0.1],  
 [3 , 0.2],  
 [5 , 0.4]]

需要这样的数组吗

[[1 , 0.1],  
 [2 , 0.15],  
 [3 , 0.2],
 [4 , 0.3],  
 [5 , 0.4]]

你可以用

举个简单的例子：

import numpy as np

x = np.array([0,1,2,4])
y = np.array([0.1,0.2,0.3,0.6])

# do the linear interpolation
new_x = np.arange(0,5,1)
new_y = np.interp(new_x, x, y)

它提供了一个新的：

[0.1,0.2,0.3,0.45,0.6]

你可以用

举个简单的例子：

import numpy as np

x = np.array([0,1,2,4])
y = np.array([0.1,0.2,0.3,0.6])

# do the linear interpolation
new_x = np.arange(0,5,1)
new_y = np.interp(new_x, x, y)

它提供了一个新的：

[0.1,0.2,0.3,0.45,0.6]

这正是你要找的

它采用表格形式的函数，即（x，y）集合，并计算任何新x的线性插值

考虑以下生成所需结果的代码：

import numpy as np

a = np.array([[1 , 0.1],
 [3 , 0.2],  
 [5 , 0.4]])

# a requested range - we fill in missing integer values.
new_x = range(1,6)

# perform interpolation. Origina array is sliced by columns.
new_y = np.interp(new_x, a[:, 0], a[:, 1])

# target array is zipped together from interpolated x a y

np.array(list(zip(new_x, new_y))).tolist()
[[1.0, 0.1],
 [2.0, 0.15000000000000002],
 [3.0, 0.2],
 [4.0, 0.30000000000000004],
 [5.0, 0.4]]

这正是你要找的

它采用表格形式的函数，即（x，y）集合，并计算任何新x的线性插值

考虑以下生成所需结果的代码：

import numpy as np

a = np.array([[1 , 0.1],
 [3 , 0.2],  
 [5 , 0.4]])

# a requested range - we fill in missing integer values.
new_x = range(1,6)

# perform interpolation. Origina array is sliced by columns.
new_y = np.interp(new_x, a[:, 0], a[:, 1])

# target array is zipped together from interpolated x a y

np.array(list(zip(new_x, new_y))).tolist()
[[1.0, 0.1],
 [2.0, 0.15000000000000002],
 [3.0, 0.2],
 [4.0, 0.30000000000000004],
 [5.0, 0.4]]