云数据点的加权一维插值
Weighted 1D interpolation of cloud data point
我有一堆数据点 (x,y)，我想对其进行插值和平滑处理。
目前，我正在使用 scipy :
from scipy.interpolate import interp1d
from scipy.signal import savgol_filter
spl = interp1d(Cloud[:,1], Cloud[:,0]) # interpolation
x = np.linspace(Cloud[:,1].min(), Cloud[:,1].max(), 1000)
smoothed = savgol_filter(spl(x), 21, 1) #smoothing
这工作得很好，除了我想给 interp1d 处给出的数据点一些权重。对处理此问题的另一个功能有什么建议吗？
基本上，我认为我可以根据云的权重乘以每个点的出现次数，但这不是很优化，因为它增加了很多要插值的点数，并减慢了算法..
默认 interp1d 使用 linear interpolation，即它只是计算两点之间的直线。在这种情况下，加权插值在数学上没有多大意义 - 欧几里德 space 只有一种方法可以在两点之间画一条直线。
根据您的目标，您可以研究其他插值方法，例如 B-splines。然后你可以使用 scipy 的 scipy.interpolate.splrep 并设置 w 参数：
w - Strictly positive rank-1 array of weights the same length as x and y. The weights are used in computing the weighted least-squares spline fit. If the errors in the y values have standard-deviation given by the vector d, then w should be 1/d. Default is ones(len(x)).
我有一堆数据点 (x,y)，我想对其进行插值和平滑处理。
目前，我正在使用 scipy :
from scipy.interpolate import interp1d
from scipy.signal import savgol_filter
spl = interp1d(Cloud[:,1], Cloud[:,0]) # interpolation
x = np.linspace(Cloud[:,1].min(), Cloud[:,1].max(), 1000)
smoothed = savgol_filter(spl(x), 21, 1) #smoothing
这工作得很好，除了我想给 interp1d 处给出的数据点一些权重。对处理此问题的另一个功能有什么建议吗？
基本上，我认为我可以根据云的权重乘以每个点的出现次数，但这不是很优化，因为它增加了很多要插值的点数，并减慢了算法..
默认 interp1d 使用 linear interpolation，即它只是计算两点之间的直线。在这种情况下，加权插值在数学上没有多大意义 - 欧几里德 space 只有一种方法可以在两点之间画一条直线。
根据您的目标，您可以研究其他插值方法，例如 B-splines。然后你可以使用 scipy 的 scipy.interpolate.splrep 并设置 w 参数：
w - Strictly positive rank-1 array of weights the same length as x and y. The weights are used in computing the weighted least-squares spline fit. If the errors in the y values have standard-deviation given by the vector d, then w should be 1/d. Default is ones(len(x)).