在python中按对数比例插值

要插入我的数据，我当前使用此函数：

def myinterp(x, y, der = 0, s = 0):
    tck = interpolate.splrep(x, y, s = sigma)
    xnew = np.arange(x[0], x[-1], (x[-1]-x[0])/x.size)
    ynew = interpolate.splev(xnew, tck, der = n)
    return xnew, ynew

---

xnew

相当于使用

dx=（x[-1]-x[0]）/x.size在常规网格上重新采样的
x
。如何进行同样的操作，但在对数尺度上对
x
进行重采样？
您可以只取对数，对其进行线性重采样，然后取其指数：

xnew = np.exp(np.arange(log(x[0]), log(x[-1]), log(x[-1]/x[0])/x.size))

由于重复调用exp，结果可能会非常昂贵。一种更有效但稍微麻烦的方法是利用以下事实，即在对数标度下，后续元素之间存在一个常数因子：

f = pow(x[-1]/x[0], 1.0/(x.size-1) )
xnew[0] = x[0]
for i in range(1,x.size):
    xnew[i] = xnew[i-1] * f

编辑：您的问题是dx=（x[-1]-x[0]）/x.size，这对我来说很奇怪，如果您想使用所需的相同数组大小表示相同的范围

dx=(x[-1]-x[0]) / (x.size-1)

这同样适用于我的答案。
你只需取对数，再对其进行线性采样，然后取其指数：

xnew = np.exp(np.arange(log(x[0]), log(x[-1]), log(x[-1]/x[0])/x.size))

由于重复调用exp，结果可能会非常昂贵。一种更有效但稍微麻烦的方法是利用以下事实，即在对数标度下，后续元素之间存在一个常数因子：

f = pow(x[-1]/x[0], 1.0/(x.size-1) )
xnew[0] = x[0]
for i in range(1,x.size):
    xnew[i] = xnew[i-1] * f

编辑：您的问题是dx=（x[-1]-x[0]）/x.size，这对我来说很奇怪，如果您想使用所需的相同数组大小表示相同的范围

dx=(x[-1]-x[0]) / (x.size-1)

这同样适用于我的答案。
如何将值转换为对数空间，线性插值，然后再转换回？如何将值转换为对数空间，线性插值，然后再转换回？