Ниже приведены входные данные для моей интерполяции:SciPy interp1d и MATLAB interp1
x = [-1.01, 5.66, 5.69, 13.77, 20.89]
y = [0.28773, 1.036889, 1.043178, 1.595322, 1.543763]
new_x = [0, 2, 4, 6, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 20]
Результаты matlab
interp1
и scipy.interpolate
interp1d
различны.
Результаты выглядят следующим образом.
new_y_scipy=[0.401171, 0.625806, 0.850442, 1.062384, 1.186291, 1.248244, 1.310198, 1.372152, 1.434105, 1.496059, 1.545429, 1.55267, 1.559911, 1.567153, 1.574394, 1.588877,]
new_y_matlab=[0.401171, 0.625806, 0.850442, 1.064362, 1.201031, 1.269366, 1.3377, 1.406035, 1.47437, 1.542704, 1.593656, 1.586415, 1.579174, 1.571932, 1.564691, 1.550208]
Видимо matlab
кажется, чтобы получить лучший результат, чем scipy
. В чем принципиальное отличие?
Мои SciPy результаты соответствуют результаты MatLab: 'np.allclose (new_y_matlab, interp1d (х, у) (new_x))' ' true' – askewchan
Привет @ askewchan, что делает np.allclose? в чем разница в том, чтобы не использовать его? – Sri
'np.allclose' просто проверяет, совпадают ли два массива, здесь он возвращает' True'. Дело в том, что я думаю, что у вас есть ошибка в использовании 'scipy', потому что, когда я использую' scipy', я получаю те же результаты, что и вы в 'matlab', см. Мой ответ для получения дополнительной информации. – askewchan