python 一维二维插值实例


Posted in Python onApril 22, 2020

一维插值

插值不同于拟合。插值函数经过样本点,拟合函数一般基于最小二乘法尽量靠近所有样本点穿过。常见插值方法有拉格朗日插值法、分段插值法、样条插值法。

拉格朗日插值多项式:当节点数n较大时,拉格朗日插值多项式的次数较高,可能出现不一致的收敛情况,而且计算复杂。随着样点增加,高次插值会带来误差的震动现象称为龙格现象。

分段插值:虽然收敛,但光滑性较差。

样条插值:样条插值是使用一种名为样条的特殊分段多项式进行插值的形式。由于样条插值可以使用低阶多项式样条实现较小的插值误差,这样就避免了使用高阶多项式所出现的龙格现象,所以样条插值得到了流行。

在CODE上查看代码片派生到我的代码片

#!/usr/bin/env python 
# -*-coding:utf-8 -*- 
import numpy as np 
from scipy import interpolate 
import pylab as pl 
 
x=np.linspace(0,10,11) 
#x=[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.] 
y=np.sin(x) 
xnew=np.linspace(0,10,101) 
pl.plot(x,y,"ro") 
 
for kind in ["nearest","zero","slinear","quadratic","cubic"]:#插值方式 
 #"nearest","zero"为阶梯插值 
 #slinear 线性插值 
 #"quadratic","cubic" 为2阶、3阶B样条曲线插值 
 f=interpolate.interp1d(x,y,kind=kind) 
 # ‘slinear', ‘quadratic' and ‘cubic' refer to a spline interpolation of first, second or third order) 
 ynew=f(xnew) 
 pl.plot(xnew,ynew,label=str(kind)) 
pl.legend(loc="lower right") 
pl.show()

结果:

python 一维二维插值实例

二维插值

方法与一维数据插值类似,为二维样条插值。

在CODE上查看代码片派生到我的代码片

# -*- coding: utf-8 -*- 
""" 
演示二维插值。 
""" 
import numpy as np 
from scipy import interpolate 
import pylab as pl 
import matplotlib as mpl 
 
def func(x, y): 
 return (x+y)*np.exp(-5.0*(x**2 + y**2)) 
 
# X-Y轴分为15*15的网格 
y,x= np.mgrid[-1:1:15j, -1:1:15j] 
 
fvals = func(x,y) # 计算每个网格点上的函数值 15*15的值 
print len(fvals[0]) 
 
#三次样条二维插值 
newfunc = interpolate.interp2d(x, y, fvals, kind='cubic') 
 
# 计算100*100的网格上的插值 
xnew = np.linspace(-1,1,100)#x 
ynew = np.linspace(-1,1,100)#y 
fnew = newfunc(xnew, ynew)#仅仅是y值 100*100的值 
 
# 绘图 
# 为了更明显地比较插值前后的区别,使用关键字参数interpolation='nearest' 
# 关闭imshow()内置的插值运算。 
pl.subplot(121) 
im1=pl.imshow(fvals, extent=[-1,1,-1,1], cmap=mpl.cm.hot, interpolation='nearest', origin="lower")#pl.cm.jet 
#extent=[-1,1,-1,1]为x,y范围 favals为 
pl.colorbar(im1) 
 
pl.subplot(122) 
im2=pl.imshow(fnew, extent=[-1,1,-1,1], cmap=mpl.cm.hot, interpolation='nearest', origin="lower") 
pl.colorbar(im2) 
 
pl.show()

python 一维二维插值实例

左图为原始数据,右图为二维插值结果图。

二维插值的三维展示方法

在CODE上查看代码片派生到我的代码片

# -*- coding: utf-8 -*- 
""" 
演示二维插值。 
""" 
# -*- coding: utf-8 -*- 
import numpy as np 
from mpl_toolkits.mplot3d import Axes3D 
import matplotlib as mpl 
from scipy import interpolate 
import matplotlib.cm as cm 
import matplotlib.pyplot as plt 
 
def func(x, y): 
 return (x+y)*np.exp(-5.0*(x**2 + y**2)) 
 
# X-Y轴分为20*20的网格 
x = np.linspace(-1, 1, 20) 
y = np.linspace(-1,1,20) 
x, y = np.meshgrid(x, y)#20*20的网格数据 
 
fvals = func(x,y) # 计算每个网格点上的函数值 15*15的值 
 
fig = plt.figure(figsize=(9, 6)) 
#Draw sub-graph1 
ax=plt.subplot(1, 2, 1,projection = '3d') 
surf = ax.plot_surface(x, y, fvals, rstride=2, cstride=2, cmap=cm.coolwarm,linewidth=0.5, antialiased=True) 
ax.set_xlabel('x') 
ax.set_ylabel('y') 
ax.set_zlabel('f(x, y)') 
plt.colorbar(surf, shrink=0.5, aspect=5)#标注 
 
#二维插值 
newfunc = interpolate.interp2d(x, y, fvals, kind='cubic')#newfunc为一个函数 
 
# 计算100*100的网格上的插值 
xnew = np.linspace(-1,1,100)#x 
ynew = np.linspace(-1,1,100)#y 
fnew = newfunc(xnew, ynew)#仅仅是y值 100*100的值 np.shape(fnew) is 100*100 
xnew, ynew = np.meshgrid(xnew, ynew) 
ax2=plt.subplot(1, 2, 2,projection = '3d') 
surf2 = ax2.plot_surface(xnew, ynew, fnew, rstride=2, cstride=2, cmap=cm.coolwarm,linewidth=0.5, antialiased=True) 
ax2.set_xlabel('xnew') 
ax2.set_ylabel('ynew') 
ax2.set_zlabel('fnew(x, y)') 
plt.colorbar(surf2, shrink=0.5, aspect=5)#标注 
 
plt.show()

python 一维二维插值实例

左图的二维数据集的函数值由于样本较少,会显得粗糙。而右图对二维样本数据进行三次样条插值,拟合得到更多数据点的样本值,绘图后图像明显光滑多了。

补充知识:python中对Dataframe二维查表插值的实现方法

今天在计算风力发电机捕捉风能功率的时候,需要对叶片扫略面积内的风能做个功率效率折减,即Cp系数,Cp的定义如下,即实际利用的风能与输入风能的比例

python 一维二维插值实例

输入风能是空气密度与风速的函数,可以直接计算:

python 一维二维插值实例

那么实际得到的能力是Pin与Cp的乘积。

python 一维二维插值实例

Cp通常是一个二维表,横坐标是TSR(叶尖速与风速的比值),纵坐标是PITCH Angle(桨叶角)。风机的运行数据中是包含风速 ,转速以及桨叶角信息的,并且通过直接读入到DataFrame,那么就需要根据TSR与PA对Cp查表并且插值得到Cp。主要用到scipy.interpolate.interp2d创建插值函数并查表,另外Dataframe不能直接用插值函数,这里做了个for循环分行插值查表。

from scipy.interpolate import interp2d
df_rotormap = pd.read_csv('filepath',header = None) #读取Cp表
x = np.array(df_rotormap.iloc[:,0].dropna()) #Cp表的X坐标是TSR
y = np.array(df_rotormap.iloc[:,1]) #Cp表的Y坐标是pitch angle
z = np.array(df_rotormap.iloc[:,2:]) #Cp表的具体值,y行x列

rho = 1.225 #kg/m3
s = (141/2)**2*np.pi #m2
df_cal['TSR'] = df_cal['发电机转速(PDM1)']/148*141*np.pi/60/df_cal['风速']

func_new = interp2d(x,y,z,kind = 'linear') #定义二维表插值函数,选择线性插值

cp_list = []
for i in range(df_cal.shape[0]):
 cp = float(func_new(df_cal['TSR'][i],df_cal['1号桨叶角度'][i])) #输入X,Y坐标, 输出插值计算的Cp
 cp_list.append(cp)

df_cal['cp'] = cp_list #把Cp放回到Dataframe中去

df_cal['air_power'] = 0.5*rho*s*df_cal['风速']**3*df_cal['cp']

以上这篇python 一维二维插值实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
一篇不错的Python入门教程
Feb 08 Python
跟老齐学Python之大话题小函数(2)
Oct 10 Python
Python使用reportlab将目录下所有的文本文件打印成pdf的方法
May 20 Python
深入解析Python中的__builtins__内建对象
Jun 21 Python
用python写一个windows下的定时关机脚本(推荐)
Mar 21 Python
Python编程实现微信企业号文本消息推送功能示例
Aug 21 Python
Python 查找字符在字符串中的位置实例
May 02 Python
Python 获取ftp服务器文件时间的方法
Jul 02 Python
Python-copy()与deepcopy()区别详解
Jul 12 Python
python编写一个会算账的脚本的示例代码
Jun 02 Python
python中pivot()函数基础知识点
Jan 03 Python
如何利用Python实现n*n螺旋矩阵
Jan 18 Python
Numpy一维线性插值函数的用法
Apr 22 #Python
python数据处理——对pandas进行数据变频或插值实例
Apr 22 #Python
利用4行Python代码监测每一行程序的运行时间和空间消耗
Apr 22 #Python
Jupyter Notebook折叠输出的内容实例
Apr 22 #Python
浅谈JupyterNotebook导出pdf解决中文的问题
Apr 22 #Python
django使用JWT保存用户登录信息
Apr 22 #Python
pandas中read_csv、rolling、expanding用法详解
Apr 21 #Python
You might like
PHP insert语法详解
2008/06/07 PHP
PHP采集相关教程之一 CURL函数库
2010/02/15 PHP
PHP程序员必须清楚的问题汇总
2014/12/18 PHP
PHP检查端口是否可以被绑定的方法示例
2018/08/09 PHP
jquery实现excel导出的方法
2013/04/04 Javascript
图片翻转效果具体实现代码
2014/01/09 Javascript
AngularJS内置指令
2015/02/04 Javascript
jQuery实现的调整表格行tr上下顺序
2016/01/10 Javascript
jquery网页日历显示控件calendar3.1使用详解
2016/11/24 Javascript
JavaScript浏览器对象模型BOM(BrowserObjectModel)实例详解
2016/11/29 Javascript
jstree的简单实例
2016/12/01 Javascript
jquery 删除节点 添加节点 找兄弟节点的简单实现
2016/12/07 Javascript
JavaScript设计模式之代理模式详解
2017/06/09 Javascript
详解vue模拟加载更多功能(数据追加)
2017/06/23 Javascript
vue-cli3 DllPlugin 提取公用库的方法
2019/04/24 Javascript
微信小程序封装分享与分销功能过程解析
2019/08/13 Javascript
[00:52]DOTA2第二届亚洲邀请赛预选赛宣传片
2017/01/13 DOTA
Python WXPY实现微信监控报警功能的代码
2017/10/20 Python
Pycharm安装python库的方法
2020/11/24 Python
Pycharm 如何一键加引号的方法步骤
2021/02/05 Python
12个不为大家熟知的HTML5设计小技巧
2016/06/02 HTML / CSS
英国婴儿和儿童服装网站:Vertbaudet
2018/04/02 全球购物
DNA基因检测和分析:23andMe
2019/05/01 全球购物
在网络中有两台主机A和B,并通过路由器和其他交换设备连接起来,已经确认物理连接正确无误,怎么来测试这两台机器是否连通?如果不通,怎么来判断故障点?怎么排
2014/01/13 面试题
管事部库房保管员岗位职责
2014/02/21 职场文书
网络工程专业自荐信范文
2014/03/16 职场文书
毕业生自荐信范文
2015/03/05 职场文书
2015年度护士个人工作总结
2015/04/09 职场文书
监护人证明
2015/06/19 职场文书
幼儿园托班开学寄语(2016春季)
2015/12/03 职场文书
《跨越海峡的生命桥》教学反思
2016/02/18 职场文书
导游词创作书写原则以及开场白技巧怎么学?
2019/09/25 职场文书
制作能在nginx和IIS中使用的ssl证书
2021/06/21 Servers
Python中的turtle画箭头,矩形,五角星
2022/03/16 Python
python高温预警数据获取实例
2022/07/23 Python
win10拖拽文件时崩溃怎么解决?win10文件不能拖拽问题解决方法
2022/08/14 数码科技