Python 具有numpy的函数的值

假设我们有一个采样函数

y=f（x）

，由一个严格递增的数字数组

x

和一个数组

y

给出：

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 4, 11)      # [ 0.   0.4  0.8  1.2  1.6  2.   2.4  2.8  3.2  3.6  4. ]
y = np.array([0, 1, 2, 3, 3, 1, -1, -4, -5, -6, -7])
plt.plot(x,y); plt.show()

例如，是否有一种自然的方法，使用numpy来计算值

f（1.2）

或

f（2.3）

？
通过最近邻（

f（2.3）

应为

f（2.4）=-1）或线性插值


这种方法可以工作，但相当不实用：首先手动查找
i
，使距离
abs（x[i]-2.2）
最小，然后返回
y[i]
。我可以想象numpy有一个内置函数来实现这一点？
如果插值用于可视化是目标，那么简单地绘制函数就可以了。Numpy在数据点之间绘制直线，这相当于线性插值

但是，如果要使用插值，可以将其用于线性插值，也可以将中的某些函数用于任何类型的插值。最后，只需将索引四舍五入即可执行最近邻插值

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 4, 11)      # [ 0.   0.4  0.8  1.2  1.6  2.   2.4  2.8  3.2  3.6  4. ]
y = np.array([0, 1, 2, 3, 3, 1, -1, -4, -5, -6, -7])

xi = np.linspace(0, 4, 1000)

# a) nearest neighbor rounding
dx = x[1] - x[0]
i = np.round(xi/dx).astype(dtype=int)
y1 = y[i]

# b) linear interpolation
y2 = np.interp(xi, x, y)

plt.plot(x, y, '.', label='original points')
plt.plot(xi, y1, label='rounding (nearest neighbor)')
plt.plot(xi, y2, label='linear interpolation')
plt.legend(loc='best')
plt.show()

在@ali\m的评论中给出的解决方案效果良好：

np.interp(1.2, x, y)    # 3.0
np.interp(2.3, x, y)    # -0.5
np.interp(2.4, x, y)    # -1

您必须更具体地说明“计算值
f（1.2）
”的含义。严格地说，您的函数仅定义在
x
中给出的值上，因此，如果您想估计其他任意位置的值，则需要对其进行插值。有很多方法可以执行插值，例如最近邻法、线性法、立方法等。请看一看并。@ali_m我编辑并补充说，最近邻法或线性插值对我来说都可以，只要有效（我有数百万个采样点要在短时间内处理）@Basj如果最近邻是正常的，性能是一个问题，为什么不将x四舍五入到最近的可用值？否则，您的问题已在上述ali_m的评论中得到有效回答。