代码之家 › 专栏 › 技术社区 › djhoese Sanzhar Dan

Scipy map_cordinates双线性插值与interp和IDL插值相比

idl-programming-language matplotlib-basemap interpolation scipy python

djhoese Sanzhar Dan · 技术社区 · 13 年前

我正在将同事的IDL代码重写为python,并提出了一些我感到困惑的差异。根据我发现的其他SO问题和邮件列表线程,如果您使用 scipy.ndimage.interpolation.map_coordinates 并指定 order=1 它应该做双线性插值。当比较IDL代码(在GDL中运行)和python(map_cordinates)之间的结果时,我得到了不同的结果。然后我试着用 mpl_toolkits.basemap.interp 我得到了与IDL代码相同的结果。下面是一个简单的例子,说明了问题所在。有人能帮我弄清楚我做错了什么吗 map_coordinates 或是 订单=1 不是双线性的?

from scipy.ndimage.interpolation import map_coordinates
from mpl_toolkits.basemap import interp
import numpy

in_data = numpy.array([[ 25.89125824,  25.88840675],[ 25.90930748,  25.90640068]], dtype=numpy.float32)

map_coordinates(in_data, [[0.0],[0.125]], order=1, mode='nearest')
# map_coordinates results in "25.89090157"
interp(in_data, numpy.array([0,1]), numpy.array([0,1]), numpy.array([0.0]), numpy.array([0.125]), order=1)
# interp results in "25.89351439", same as GDL's "25.8935" when printed

我完全可以使用 interp ,但我很好奇为什么 地图坐标 没有返回相同的结果。我注意到 地图坐标 文档中没有提到双线性,它实际上是双线性的吗?我错过了什么?

1 回复 | 直到 13 年前

Joe Kington 13 年前

使用时 map_coordinates ,您需要转置数组或将坐标更改为(y,x)格式,因为数组的形状为 (height, width) .

from scipy.ndimage.interpolation import map_coordinates
from mpl_toolkits.basemap import interp
import numpy

in_data = numpy.array([[ 25.89125824,  25.88840675],[ 25.90930748,  25.90640068]], dtype=numpy.float32)

print map_coordinates(in_data.T, [[0.0],[0.125]], order=1, mode='nearest')
print interp(in_data, numpy.array([0,1]), numpy.array([0,1]), numpy.array([0.0]), numpy.array([0.125]), order=1)

这将输出:

[ 25.89351463]
[ 25.89351439]

推荐文章

mmonti · 求解微分方程的solve_ivp问题取决于t_span

1 年前

user11634 · scipy depth_first_order的前身

1 年前

Ishigami · 在python scipy中使用fsolve和quad求解积分方程组

2 年前

bougab · 为什么我不能将我的模型准确地拟合到杨的干涉数据中?

2 年前

Linear Algebra fans · 为什么在使用FFT的乘积对1D阵列执行卷积时,值不同?

2 年前

mayen · Z-Score作为差异值的度量

2 年前

impedance_gatto · Scipy中的指数衰减拟合

2 年前

MaximeJaccon · 优化Odint

2 年前

MaaikevR · stats.ttest_ind:提取df值

2 年前

jlewk · scipy.linprog可行性的Bug?(A_ub@x0<=b_ub).all()为True,但--linprog(np.zeros_like(x0),A_ub=A_ub,b_ub=b_ub

2 年前