python实现数据插值

• 1、调用Python的scipy.interpolate库
• 2、自己拟合函数
• • • 多项式函数拟合
• 3、可能出现的问题
• • 问题1：
  • 解决办法：

1、调用Python的scipy.interpolate库

#定义插值函数
f = interpolate.interp1d(x,y,kind='cubic')  # x代表已有的数据量少的数据 #y代表与已有的x对应的值
##例如：
x--pdr的时间
y--pdr的x轴的距离值

##调用插值函数f
y_new = f(x_new)  
##例如：
x_new--yaw的时间
y--yaw时间对应的距离值

#插值方式选取

 - nearest:最邻近插值法
 - zero：阶梯插值
 - slinear/linerar：线性插值
 - quadratic/cubic：二阶和三阶B样条曲线

2、自己拟合函数

多项式函数拟合

f = np.polyfit(x,y,n)
--n--阶数
p = np.poly1d(f)
y_new = p(x_new)

举例：

pdr_time = np.array(pdr.loc[:,0])
pdr_x =np.array(pdr.loc[:,1])
f1 = np.polyfit(pdr_time,pdr_x,10) 
p1 = np.poly1d(f1)
print('p1 is :\n',p1)

yvals = p1(pdr_time) 

3、可能出现的问题

问题1：

关于python出现ValueError: A value in x_new is below the interpolation range.的解决方法
这个问题是由于待插值的数据超出了用于拟合函数的数据的范围，无法完成超过范围的差值。

解决办法：

添加边界值，例如在pdr数据添加0时刻的初始值
参考链接