interp1d() scipy.interpolate의 기능 패키지는 1차원 함수를 보간하는 데 사용됩니다. 어떤 함수 y =f(x)를 근사화하기 위해 x 및 y와 같은 값의 배열이 필요합니다. 그런 다음 보간을 사용하여 새 점의 값을 찾습니다.
구문
scipy.interpolate.interp1d(x, y)
여기서 x는 실수 값의 1차원 배열이고 y는 실수 값의 N차원 배열입니다. 보간 축을 따라 y의 길이는 x의 길이와 같아야 합니다.
예시 1
다음 예를 살펴보겠습니다. -
# Import the required libraries import matplotlib.pyplot as plt import numpy as np from scipy import interpolate # Set the figure size plt.rcParams["figure.figsize"]=[7.00, 3.50] plt.rcParams["figure.autolayout"]=True # Define the values x = np.arange(0, 10) y = np.exp(-x/5.0) # Input Data plt.subplot(1,2,1) plt.title("Input X and Y") plt.plot(x,y) # Interpolated Data plt.subplot(1,2,2) plt.title("Interpolated") f = interpolate.interp1d(x, y) x_new = np.arange(0, 7, 0.7) y_new = f(x_new) plt.plot(x_new, y_new, 's') plt.show()
출력
위의 프로그램은 다음 출력을 생성합니다 -
예시 2
다른 예를 들어 보겠습니다 -
# Import the required libraries import matplotlib.pyplot as plt import numpy as np from scipy import interpolate # Set the figure size plt.rcParams["figure.figsize"]=[7.00, 3.50] plt.rcParams["figure.autolayout"]=True # Define the values x = np.arange(0, 10) y = np.exp(-x **2/9.0) # interpolate function f = interpolate.interp1d(x, y) xnew = np.arange(0, 9, 1.2) plt.plot(x, y, 'o', xnew) plt.show()
출력
위의 프로그램은 다음 출력을 생성합니다 -