Python 这个插值函数是如何工作的？

我正试图写一个函数，它插值一些数据，然后你可以选择x轴上的任何值来找到y轴上的对应点

例如：

f = f_from_data([3, 4, 6], [0, 1, 2])
print f(3.5)

得出答案

0.5

我找到了一个答案，看起来是这样的：

def f_from_data(xs,ys):
    return scipy.interpolate.interp1d(xs, ys)

有人能解释一下这是怎么回事吗？我理解interp1d，但我不确定这行简单的代码如何得到答案，例如

print f(5)

输入到它中。

引用：

因此，使用

x

值调用返回的函数将给出相应的插值

y

值。

引用以下内容：

---

因此，使用

x

值调用返回的函数会得到相应的插值

y

值。

一个简单的示例可能会有所帮助

interp1d

是一个类似函数的类。它返回的不是一个数字，而是另一个类似对象的函数。再次调用后，它将在输入值x处返回y的插值。也可以将此函数馈送到单个点或整个阵列：

import numpy as np
from scipy.interpolate import interp1d

X=[3,4,6]
Y=[0,1,2]

f = interp1d(X,Y, bounds_error=False)
print f(3.5)

X2 = np.linspace(3, 6, 5)
print X2
print f(X2)

---

---

举个简单的例子可能会有所帮助

interp1d

是一个类似函数的类。它返回的不是一个数字，而是另一个类似对象的函数。再次调用后，它将在输入值x处返回y的插值。也可以将此函数馈送到单个点或整个阵列：

import numpy as np
from scipy.interpolate import interp1d

X=[3,4,6]
Y=[0,1,2]

f = interp1d(X,Y, bounds_error=False)
print f(3.5)

X2 = np.linspace(3, 6, 5)
print X2
print f(X2)

---

---

您的示例使用线性插值-数据点之间的直线连接线

因此，对于给定的数据（

xs=[3,4,6]

和

ys=[0,1,2]

），函数如下所示

其中蓝点为输入数据，绿线为插值函数，红点为测试点

f（3.5）==0.5

---

要计算

f（5.0）

：

首先，您必须找出您所在的线段

x==5

在第二段中，在4和6之间，因此我们正在寻找点

C（5，y）

在点

A（4，1）

和

B（6，2）

之间

---

C

在线上，因此

AC=k*AB

其中

0 您的示例使用线性插值-数据点之间的直线连接线

因此，对于给定的数据（
xs=[3,4,6]
和
ys=[0,1,2]
），函数如下所示


其中蓝点为输入数据，绿线为插值函数，红点为测试点
f（3.5）==0.5


要计算
f（5.0）
：

首先，您必须找出您所在的线段

x==5
在第二段中，在4和6之间，因此我们正在寻找点
C（5，y）
在点
A（4，1）
和
B（6，2）
之间

C
在线上，因此
AC=k*AB
其中
0。参见文档：参见文档：嗨，Simon，谢谢。我看过了，但我不确定“调用方法”是什么意思。文档将函数描述为一个对象。在函数上执行“call method”只调用函数。
f
有一个
\uu调用方法。使用
f（…）
时会调用此函数
callable（f）
返回
True
。你好，Simon，谢谢，我看过了，但我不确定“调用方法”是什么意思。文档将函数描述为一个对象。在函数上执行“call method”只调用函数。
f
有一个
\uu调用方法。使用
f（…）
时会调用此函数
callable（f）
返回
True
。正如Simon（从文档中）所指出的那样，
interp1d
实际上是一个类（是的，没有cap），而
f
是一个
interp1d
对象，带有
调用方法。所以这两个函数看起来都像函数，即使它们不是。@hpaulj这是一个很好的观点（我将更新我的答案），但我认为OP在理解如何使用函数时遇到了困难（但我可能只是从accept推断）。谢谢正如Simon（从文档中）所指出的，
interp1d
实际上是一个类（是的，没有cap），而
f
是一个
interp1d
对象，具有
调用方法。所以这两个函数看起来都像函数，即使它们不是。@hpaulj这是一个很好的观点（我将更新我的答案），但我认为OP在理解如何使用函数时遇到了困难（但我可能只是从accept推断）。谢谢
0.5
[ 3.    3.75  4.5   5.25  6.  ]
[ 0.     0.75   1.25   1.625  2.   ]

y = Ay + (By - Ay) * (Cx - Ax) / (Bx - Ax)

y = 1. + (2. - 1.) * (5. - 4.) / (6. - 4.)
  = 1.5

f = scipy.interpolate.interp1d([3, 4, 6], [0, 1, 2])

# f is now a function that you can call, like
f(5.0)      # =>  1.5