Python scipy：插值、立方和；线性的

我试图插值我的数据集（第一列T是时间，第三列T是实际数据）：

但我看到线性插值和三次插值之间有一些奇怪的区别。 以下是线性预测的结果：

以下是立方体的相同情况：

我不确定，为什么图形一直在跳跃并且

y\u平滑

包含不正确的值

ipdb> y_smooth_linear.max()
141.5481144
ipdb> y_smooth_cubic.max()
1.2663431888584225e+18

有谁能向我解释一下，我如何修改代码以实现正确的插值

---

UPD：这里是

对于相同的x值，您的数据包含多个y值。这违反了大多数插值算法的假设

---

丢弃具有重复x值的行，平均每个x的y值，或者为x值获得更好的分辨率，使它们不再相同。

您的数据包含多个相同x值的y值。这违反了大多数插值算法的假设

丢弃具有重复x值的行，平均每个x的y值，或者为x值获得更好的分辨率，使其不再相同。

鉴于

x

具有重复值，您可以使用

np.unique

要为每个

x

选择唯一的

y

：

x2, idx = np.unique(x, return_index=True)
y2 = y[idx]

return\u index=True

不仅返回原始

x

数组中唯一

x

s的唯一值

x2

，还返回其位置

idx

。请注意，这将为每个唯一的

x

选择

y

的第一个值

如果您想平均每个唯一的

x

的所有

y

值，可以使用 :

return\u inverse=True

告诉

np.unique

返回 可以重建原始阵列。这些指数也可以作为分类指数 标签或“因子”，这是它们在调用中的使用方式

binned_统计数据

---

鉴于

x

有重复的值，您可以使用

np.unique

要为每个

x

选择唯一的

y

：

x2, idx = np.unique(x, return_index=True)
y2 = y[idx]

return\u index=True

不仅返回原始

x

数组中唯一

x

s的唯一值

x2

，还返回其位置

idx

。请注意，这将为每个唯一的

x

选择

y

的第一个值

如果您想平均每个唯一的

x

的所有

y

值，可以使用 :

return\u inverse=True

告诉

np.unique

返回 可以重建原始阵列。这些指数也可以作为分类指数 标签或“因子”，这是它们在调用中的使用方式

binned_统计数据

---

---

可能相关：@rth我已经添加了问题的链接可能相关：@rth我已经添加了问题的链接也看到了这一点，

scipy.interpolate.splmake

似乎是

scipy

中目前唯一支持它的插值例程。也看到了这一点，

scipy.interpolate.splmake

似乎是目前在

scipy

中唯一支持它的插值例程。

import scipy.stats as stats
x2, inv = np.unique(x, return_inverse=True)
y2, bin_edges, binnumber = stats.binned_statistic(
    x=inv, values=y, statistic='mean', bins=inv.max()+1)

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
import scipy.stats as stats

data = np.genfromtxt("data.csv", delimiter=" ")

x = data[:, 0]
y = data[:, 1]

x2, idx, inv = np.unique(x, return_index=True, return_inverse=True)
y_uniq = y[idx]
y_ave, bin_edges, binnumber = stats.binned_statistic(
    x=inv, values=y, statistic='mean', bins=inv.max()+1)

xx = np.linspace(x.min(), x.max(), 1000)
y_smooth = interp1d(x, y)(xx)
y_smooth2 = interp1d(x2, y_uniq, kind="cubic")(xx)
y_smooth3 = interp1d(x2, y_ave, kind="cubic")(xx)

fig, ax = plt.subplots(nrows=3, sharex=True)

ax[0].plot(xx, y_smooth, "r-", label='linear')
ax[1].plot(xx, y_smooth2, "b-", label='cubic (first y)')
ax[2].plot(xx, y_smooth3, "b-", label='cubic (ave y)')
ax[0].legend(loc='best')
ax[1].legend(loc='best')
ax[2].legend(loc='best')
plt.show()