scipy interpolate RectBivariateSpline 和 interp2d 的 x,y 参数差异

Question

如果我想插入下面的数据：

from scipy.interpolate import RectBivariateSpline, interp2d
import numpy as np

x1 = np.linspace(0,5,10)
y1 = np.linspace(0,20,20)
xx, yy = np.meshgrid(x1, y1)
z = np.sin(xx**2+yy**2)

与 interp2d 这有效：

f = interp2d(x1, y1, z, kind='cubic')

但是，如果我使用具有相同 x1、y1 参数的 RectBivariateSpline：

f = RectBivariateSpline(x1, y1, z)

我收到这个错误：

   TypeError                                 Traceback (most recent call last)
<ipython-input-9-3da046e1ebe0> in <module>()
----> 1 f = RectBivariateSpline(x, y, z)

C:\...\Local\Continuum\Anaconda\lib\site-packages\scipy\interpolate\fitpack2.pyc in __init__(self, x, y, z, bbox, kx, ky, s)
    958             raise TypeError('y must be strictly ascending')
    959         if not x.size == z.shape[0]:
--> 960             raise TypeError('x dimension of z must have same number of '
    961                             'elements as x')
    962         if not y.size == z.shape[1]:

TypeError: x dimension of z must have same number of elements as x

我必须像这样切换 x、y 的大小才能让它工作：

x2 = np.linspace(0,5,20)
y2 = np.linspace(0,20,10)
f = RectBivariateSpline(x2, y2, z)

这种行为是否有原因 - 或者我不理解的原因？

Answer 1

嗯，正如您已经注意到的，原因是这两个函数的参数不同。是的，正如我所知，这使得将一个换成另一个真的很难。

为什么？一般来说，打破与新的面向对象样条函数的向后兼容性是一个明确的设计决定，或者至少不用担心。当然，对于较大的网格尺寸，不必将 x 和 y 作为 2D 对象传递，可以显着节省 space 。坦率地说，我在我的代码中发现，一旦克服了这个最初的障碍，我就会更喜欢使用样条对象。例如，对于 UnivariateSpline 对象，求导数很容易，积分也是如此。

SciPy 看来，SciPy 人会关注新对象，因此您可能会考虑现在就转向它们。它们具有相同的基本功能，并且具有提供良好优势的其他方法。

编辑 - 阐明两者之间的 'broke'。

从 interp2d 的 SciPy 手册中，您可以获得代码片段：

from scipy import interpolate
x = np.arange(-5.01, 5.01, 0.25)
y = np.arange(-5.01, 5.01, 0.25)
xx, yy = np.meshgrid(x, y)
z = np.sin(xx**2+yy**2)
f = interpolate.interp2d(x, y, z, kind=’cubic’)

不幸的是，这可能会产生误导，因为 x 和 y 的长度相同，因此 z 将是一个方阵。那么，让我们来玩一下：

x = np.linspace(0,5,11) 
y = np.linspace(0,20,21) # note different lengths
z = x[None,:].T + y*y # need broadcasting
xx,yy = np.meshgrid(x,y) # this is from the interp2d example to compare
zz = xx + yy*yy

它们现在有不同的形状：shape(z) 是 (11,21) 而 shape(zz) 是 (21,11)。其实就是互相的转置，z == zz.T。一旦你意识到这一点，一切都会变得更加清晰 - 从 interp2d 到 RectBivariateSpline 交换了预期的轴。选择样条的一个实例（我选择了较新的样条），并且您已经选择了一组特定的轴以保持头脑清晰。要将它们混合在一起，一个简单的转置也可以工作，但是当您从现在起一个月或更长时间回过头来查看您的代码时，可能会让人头疼。

scipy interpolate RectBivariateSpline 和 interp2d 的 x,y 参数差异

Difference in x,y parameters for scipy interpolate RectBivariateSpline and interp2d

python

interpolation

scipy