Question

I m 将“MatLab”方案改为“Stefan”,“I m”有问题理解为什么会ip。污染。间谍活动取得的结果不同于MatLab Interp1。

在MatLab,使用量略有不同:

yi = interp1(x,Y,xi, cubic )

SciPy:

f = interp1d(x,Y,kind= cubic )
yi = f(xi)

For a trivial example the results are the same: MatLab:

interp1([0 1 2 3 4], [0 1 2 3 4],[1.5 2.5 3.5], cubic )
  1.5000 2.5000 3.5000

粉碎

interp1d([1,2,3,4],[1,2,3,4],kind= cubic )([1.5,2.5,3.5])
  array([ 1.5,  2.5,  3.5])

但就真正的世界而言,它们并不相同:

x =   0.0000e+000  2.1333e+001  3.2000e+001  1.6000e+004  2.1333e+004  2.3994e+004
Y =   -6   -6   20   20   -6   -6
xi =  0.00000 11.72161 23.44322 35.16484...  (2048 data points)

Matlab:

-6.0000e+000
-1.2330e+001
-3.7384e+000
  ...
 7.0235e+000
 7.0028e+000
 6.9821e+000

SciPy:

array([[ -6.00000000e+00],
       [ -1.56304101e+01],
       [ -2.04908267e+00],
       ..., 
       [  1.64475576e+05],
       [  8.28360759e+04],
       [ -5.99999999e+00]])

对我如何能够取得与马塔克族一致的结果有什么想法?

Edit:我理解,在实行立方米污染算法方面有一些自由,这可能是我所看到的差异。看来,我正在转换的原“MatLab”方案本应采用线性干涉,因此问题很可能是空洞的。

Answer 1

<代码>scipy.interpolate.interp1d和interp1的基本污染方法不同。假设使用净校正(fit Pack) 常规,即产生标准,C2连续立方间谍。 <代码>interp1中的“cubic”论点使用零散的立方米杂质,这些杂质不是C2连续的。 See here,用于解释Matlab所做的工作。

我怀疑这是你所看到的分歧的根源。

Answer 2

In current scipy use http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.PchipInterpolator.html This will create monotonic cubic interpolation of the y=f(x) passed, and uses the pchip algorithm to determine the slopes in the points.

因此,每节(x,y)由您通过,计算(x,dy/dx)时,只有两立方位,在这两点都有已知的衍生物。每个建筑工程将连续进行第一次衍生产品。

友情链接