Python numpy中的局部线性逼近

我有一些

x

和

y

数据，其中对于

x

向量中的每个条目，在

y

向量中都有相应的条目。此外，

x

数据的间隔不是均匀的

我想在

x

样本之间进行插值，以获得

x

维度中的均匀间距，并近似对应的

y

值。在numpy中，

interp1d

似乎是一个自然的解决方案，但我的问题有一个警告：

x

值不是单调递增的（因为

x

和

y

都是时间的函数）。

interp1d

函数和插值模块中的其他函数，因此在

x

反转方向的点上会产生奇怪的结果

---

我真正想做的是在每组相邻的

x

点之间拟合一条直线，然后基于这个局部近似进行插值。在numpy中有这样做的功能吗？或者我必须自己装配一些东西吗？

您能对xy对进行排序，然后使用interp1d吗？像这样的

import sort
xy = zip(x,y)
new_xy = sorted(xy, key=lambda xy: xy[0])
x = new_xy[:,0]
y = new_xy[:,1]

---

现在，你的x在单调地增加，并且关系已经保留。

你应该记住将有用的答案标记为“已接受”；这有助于其他人在查看您的问题时找到最有用的答案，也有助于识别那些您花时间帮助您解决问题的人。如果

x

没有单调增加或减少，则您没有唯一的映射。例如，如果您有

x=array（[0,1,0]）

，如果您通过

xx=0.5

，应该插入哪两个点？我知道没有唯一的映射。但是，假设x=array（[0,1,0]），如果我把插值输入设为xx=array（[0,0.5,1,0.5,0]），那么我想得到的第一个0.5值是前两个y之间的中点，第二个0.5值是后两个y之间的中点，如果这个解释有意义的话。你有权访问时间变量吗？如果是这样的话，你可以使用多元回归来预测基于x和t的y。多元回归听起来很合理，但我需要弄清楚y作为x的函数变化的速度有多快，这基本上减少了我自己的操作。