二维线性插值：数据和插值点
2D linear interpolation: data and interpolated points
考虑这个 y(x) 函数：
我们可以在文件中生成这些散点的位置：dataset_1D.dat:
# x y
0 0
1 1
2 0
3 -9
4 -32
以下是这些点的一维插值代码：
加载本散点
创建一个x_mesh
执行一维插值
代码：
import numpy as np
from scipy.interpolate import interp2d, interp1d, interpnd
import matplotlib.pyplot as plt
# Load the data:
x, y = np.loadtxt('./dataset_1D.dat', skiprows = 1).T
# Create the function Y_inter for interpolation:
Y_inter = interp1d(x,y)
# Create the x_mesh:
x_mesh = np.linspace(0, 4, num=10)
print x_mesh
# We calculate the y-interpolated of this x_mesh :
Y_interpolated = Y_inter(x_mesh)
print Y_interpolated
# plot:
plt.plot(x_mesh, Y_interpolated, "k+")
plt.plot(x, y, 'ro')
plt.legend(['Linear 1D interpolation', 'data'], loc='lower left', prop={'size':12})
plt.xlim(-0.1, 4.2)
plt.grid()
plt.ylabel('y')
plt.xlabel('x')
plt.show()
绘制以下内容：
现在，考虑这个 z(x,y) 函数：
我们可以在文件中生成这些散点的位置：dataset_2D.dat :
# x y z
0 0 0
1 1 0
2 2 -4
3 3 -18
4 4 -48
在这种情况下，我们必须执行二维插值：
import numpy as np
from scipy.interpolate import interp1d, interp2d, interpnd
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Load the data:
x, y, z = np.loadtxt('./dataset_2D.dat', skiprows = 1).T
# Create the function Z_inter for interpolation:
Z_inter = interp2d(x, y, z)
# Create the x_mesh and y_mesh :
x_mesh = np.linspace(1.0, 4, num=10)
y_mesh = np.linspace(1.0, 4, num=10)
print x_mesh
print y_mesh
# We calculate the z-interpolated of this x_mesh and y_mesh :
Z_interpolated = Z_inter(x_mesh, y_mesh)
print Z_interpolated
print type(Z_interpolated)
print Z_interpolated.shape
# plot:
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(x, y, z, c='r', marker='o')
plt.legend(['data'], loc='lower left', prop={'size':12})
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.show()
绘制以下内容：
其中分散的数据再次以红点显示，以与二维图保持一致。
我不知道如何解释 Z_interpolated 结果：
根据上面代码的打印行，
Z_interpolated 是一个 n 维 numpy 数组，形状为 (10,10)。换句话说，一个具有 10 行和 10 列的二维矩阵。
我希望 x_mesh[i] 和 y_mesh[i] 的每个值都有一个内插的 z[i] 值，为什么我没有收到这个？
- 我怎样才能在 3D 图中绘制插值数据（就像 2D 图中的黑色十字一样）？
Z_interpolated 的解释：您的一维 x_mesh 和 y_mesh 定义了一个 mesh on which to interpolate。因此，您的二维插值 return z 是一个二维数组，其形状 (len(y), len(x)) 与 np.meshgrid(x_mesh, y_mesh) 匹配。如您所见，您的 z[i, i] 而不是 z[i] 是 x_mesh[i] 和 y_mesh[i] 的期望值。而且它还有更多，网格上的所有值。
显示所有插值数据的潜在图：
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import interp2d
# Your original function
x = y = np.arange(0, 5, 0.1)
xx, yy = np.meshgrid(x, y)
zz = 2 * (xx ** 2) - (xx ** 3) - (yy ** 2)
# Your scattered points
x = y = np.arange(0, 5)
z = [0, 0, -4, -18, -48]
# Your interpolation
Z_inter = interp2d(x, y, z)
x_mesh = y_mesh = np.linspace(1.0, 4, num=10)
Z_interpolated = Z_inter(x_mesh, y_mesh)
fig = plt.figure()
ax = fig.gca(projection='3d')
# Plot your original function
ax.plot_surface(xx, yy, zz, color='b', alpha=0.5)
# Plot your initial scattered points
ax.scatter(x, y, z, color='r', marker='o')
# Plot your interpolation data
X_real_mesh, Y_real_mesh = np.meshgrid(x_mesh, y_mesh)
ax.scatter(X_real_mesh, Y_real_mesh, Z_interpolated, color='g', marker='^')
plt.show()
你需要两步插值。第一个在 y 数据之间进行插值。第二个在 z 数据之间进行插值。然后用两个插值数组绘制 x_mesh。
x_mesh = np.linspace(0, 4, num=16)
yinterp = np.interp(x_mesh, x, y)
zinterp = np.interp(x_mesh, x, z)
ax.scatter(x_mesh, yinterp, zinterp, c='k', marker='s')
在下面的完整示例中，我还在 y 方向上添加了一些变化，以使解决方案更通用。
u = u"""# x y z
0 0 0
1 3 0
2 9 -4
3 16 -18
4 32 -48"""
import io
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Load the data:
x, y, z = np.loadtxt(io.StringIO(u), skiprows = 1, unpack=True)
x_mesh = np.linspace(0, 4, num=16)
yinterp = np.interp(x_mesh, x, y)
zinterp = np.interp(x_mesh, x, z)
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(x_mesh, yinterp, zinterp, c='k', marker='s')
ax.scatter(x, y, z, c='r', marker='o')
plt.legend(['data'], loc='lower left', prop={'size':12})
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.show()
对于使用scipy.interpolate.interp1d，解决方案基本相同：
u = u"""# x y z
0 0 0
1 3 0
2 9 -4
3 16 -18
4 32 -48"""
import io
import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Load the data:
x, y, z = np.loadtxt(io.StringIO(u), skiprows = 1, unpack=True)
x_mesh = np.linspace(0, 4, num=16)
fy = interp1d(x, y, kind='cubic')
fz = interp1d(x, z, kind='cubic')
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(x_mesh, fy(x_mesh), fz(x_mesh), c='k', marker='s')
ax.scatter(x, y, z, c='r', marker='o')
plt.legend(['data'], loc='lower left', prop={'size':12})
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.show()
考虑这个 y(x) 函数：
我们可以在文件中生成这些散点的位置：dataset_1D.dat:
# x y
0 0
1 1
2 0
3 -9
4 -32
以下是这些点的一维插值代码：
加载本散点
创建一个
x_mesh执行一维插值
代码：
import numpy as np
from scipy.interpolate import interp2d, interp1d, interpnd
import matplotlib.pyplot as plt
# Load the data:
x, y = np.loadtxt('./dataset_1D.dat', skiprows = 1).T
# Create the function Y_inter for interpolation:
Y_inter = interp1d(x,y)
# Create the x_mesh:
x_mesh = np.linspace(0, 4, num=10)
print x_mesh
# We calculate the y-interpolated of this x_mesh :
Y_interpolated = Y_inter(x_mesh)
print Y_interpolated
# plot:
plt.plot(x_mesh, Y_interpolated, "k+")
plt.plot(x, y, 'ro')
plt.legend(['Linear 1D interpolation', 'data'], loc='lower left', prop={'size':12})
plt.xlim(-0.1, 4.2)
plt.grid()
plt.ylabel('y')
plt.xlabel('x')
plt.show()
绘制以下内容：
现在，考虑这个 z(x,y) 函数：
我们可以在文件中生成这些散点的位置：dataset_2D.dat :
# x y z
0 0 0
1 1 0
2 2 -4
3 3 -18
4 4 -48
在这种情况下，我们必须执行二维插值：
import numpy as np
from scipy.interpolate import interp1d, interp2d, interpnd
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Load the data:
x, y, z = np.loadtxt('./dataset_2D.dat', skiprows = 1).T
# Create the function Z_inter for interpolation:
Z_inter = interp2d(x, y, z)
# Create the x_mesh and y_mesh :
x_mesh = np.linspace(1.0, 4, num=10)
y_mesh = np.linspace(1.0, 4, num=10)
print x_mesh
print y_mesh
# We calculate the z-interpolated of this x_mesh and y_mesh :
Z_interpolated = Z_inter(x_mesh, y_mesh)
print Z_interpolated
print type(Z_interpolated)
print Z_interpolated.shape
# plot:
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(x, y, z, c='r', marker='o')
plt.legend(['data'], loc='lower left', prop={'size':12})
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.show()
绘制以下内容：
其中分散的数据再次以红点显示，以与二维图保持一致。
我不知道如何解释
Z_interpolated结果：根据上面代码的打印行，
Z_interpolated是一个 n 维 numpy 数组，形状为 (10,10)。换句话说，一个具有 10 行和 10 列的二维矩阵。
我希望 x_mesh[i] 和 y_mesh[i] 的每个值都有一个内插的 z[i] 值，为什么我没有收到这个？
- 我怎样才能在 3D 图中绘制插值数据（就像 2D 图中的黑色十字一样）？
Z_interpolated 的解释：您的一维 x_mesh 和 y_mesh 定义了一个 mesh on which to interpolate。因此，您的二维插值 return z 是一个二维数组，其形状 (len(y), len(x)) 与 np.meshgrid(x_mesh, y_mesh) 匹配。如您所见，您的 z[i, i] 而不是 z[i] 是 x_mesh[i] 和 y_mesh[i] 的期望值。而且它还有更多，网格上的所有值。
显示所有插值数据的潜在图：
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import interp2d
# Your original function
x = y = np.arange(0, 5, 0.1)
xx, yy = np.meshgrid(x, y)
zz = 2 * (xx ** 2) - (xx ** 3) - (yy ** 2)
# Your scattered points
x = y = np.arange(0, 5)
z = [0, 0, -4, -18, -48]
# Your interpolation
Z_inter = interp2d(x, y, z)
x_mesh = y_mesh = np.linspace(1.0, 4, num=10)
Z_interpolated = Z_inter(x_mesh, y_mesh)
fig = plt.figure()
ax = fig.gca(projection='3d')
# Plot your original function
ax.plot_surface(xx, yy, zz, color='b', alpha=0.5)
# Plot your initial scattered points
ax.scatter(x, y, z, color='r', marker='o')
# Plot your interpolation data
X_real_mesh, Y_real_mesh = np.meshgrid(x_mesh, y_mesh)
ax.scatter(X_real_mesh, Y_real_mesh, Z_interpolated, color='g', marker='^')
plt.show()
你需要两步插值。第一个在 y 数据之间进行插值。第二个在 z 数据之间进行插值。然后用两个插值数组绘制 x_mesh。
x_mesh = np.linspace(0, 4, num=16)
yinterp = np.interp(x_mesh, x, y)
zinterp = np.interp(x_mesh, x, z)
ax.scatter(x_mesh, yinterp, zinterp, c='k', marker='s')
在下面的完整示例中，我还在 y 方向上添加了一些变化，以使解决方案更通用。
u = u"""# x y z
0 0 0
1 3 0
2 9 -4
3 16 -18
4 32 -48"""
import io
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Load the data:
x, y, z = np.loadtxt(io.StringIO(u), skiprows = 1, unpack=True)
x_mesh = np.linspace(0, 4, num=16)
yinterp = np.interp(x_mesh, x, y)
zinterp = np.interp(x_mesh, x, z)
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(x_mesh, yinterp, zinterp, c='k', marker='s')
ax.scatter(x, y, z, c='r', marker='o')
plt.legend(['data'], loc='lower left', prop={'size':12})
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.show()
对于使用scipy.interpolate.interp1d，解决方案基本相同：
u = u"""# x y z
0 0 0
1 3 0
2 9 -4
3 16 -18
4 32 -48"""
import io
import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Load the data:
x, y, z = np.loadtxt(io.StringIO(u), skiprows = 1, unpack=True)
x_mesh = np.linspace(0, 4, num=16)
fy = interp1d(x, y, kind='cubic')
fz = interp1d(x, z, kind='cubic')
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(x_mesh, fy(x_mesh), fz(x_mesh), c='k', marker='s')
ax.scatter(x, y, z, c='r', marker='o')
plt.legend(['data'], loc='lower left', prop={'size':12})
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.show()