python 插值处理一维数据 interpolate

scipy库：

原码： https://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.interp1d.html

• kind可选“linear”、“nearest”、“nearest-up”、“zero”、“slinear”、“quadratic”、“cubic”、“previous”或“next”之一。
• “zero”、“slinear”、“quadratic”、“cubic”是指零阶、一阶、二阶或三阶样条插值；
• “previous”或“next”简单地返回该点的上一个或下一个值；
• 在插入半整数（例如 0.5、1.5）时，“nearest-up”和“nearest”不同，“nearest-up”向上舍入，“nearest”向下舍入。
• kind默认为“线性”

# 想采样到350点，需要设置352点的重采样，因为采样后最后两个值是nan

fig = plt.figure(figsize=(15,5))

for i in range(2):
    x = data[i]
    t = np.arange(0,len(x))   # 原点数
    tn =  np.linspace(0, len(x), 352)  # 重采样后点数
    f = interpolate.interp1d(t, x, kind='quadratic',bounds_error=False) # bounds_error=False 二阶样条插值； 
    xnew = f(tn)
    ax = fig.add_subplot(2, 1, i+1)  # （行总数，列总数，该图编号）
    ax.plot(tn, xnew,'r',label='重采样')      
    ax.plot(t, x, 'b--',label='原数据')
    ax.legend(loc='upper left')
    plt.tight_layout() 
plt.show()

重采样的最后两个值是nan，需要截掉

---

numpy库：

可以选定需要插值的位置

• numpy.interp(x, xp, fp, left=None, right=None, period=None)
• x - 表示将要计算的插值点x坐标
• xp - 表示已有的xp数组
• fp - 表示对应于已有的xp数组的值
• left - 表示当x值在xp中最小值左边时，x对应y的值为left
• right - 表示当x值在xp中最大值右边时，x对应y的值为right
• （left和right表示x在xp的域外时，y的取值）

# 不会出现采样后最后两个值是nan的情况

fig = plt.figure(figsize=(15,5))

for i in range(2):
    x = data[i]
    t = np.arange(0,len(x))   # 原点数
    tn =  np.linspace(0, len(x), 352)  # 重采样后点数
    xnew = np.interp(tn, t, x ) 
    ax = fig.add_subplot(2, 1, i+1)  # （行总数，列总数，该图编号）
    ax.plot(tn, xnew,'r',label='重采样')      
    ax.plot(t, x, 'b--',label='原数据')
    ax.legend(loc='upper left')
    plt.tight_layout() 
plt.show()

---