Как интерполировать тестовые данные в Python? 2 набора входов

Здесь новый кодер. У меня есть 2 строки входов и 3 выхода, пытаясь интерполировать между входами. Выходные данные представляют собой экспериментально определенные коэффициенты. Входные данные образуют сетку.

Входные данные: температура, % концентрации. Выходами являются коэффициенты A, B, C.

T      %
[[316, 3],
 [316, 6],
 [322, 3],
 [322, 6],
 [333, 3],
 [333, 6]]
A, B, C
[[0.2925*10**-11, 7517.9, -0.0027],
 [0.1275*10**-14, 9826.53, -0.0471], 
 [0.2506*10**-13, 8923.77, -0.0010],
 [0.2506*10**-15, 10669.89, -0.2284],
 [0.7319*10**-10, 6770.42, -0.0467],
 [0.1800*10**-13, 9259.93, -0.0564]]

Я пробовал многомерную линейную интерполяцию с использованием numpy и scipy.linalg, как учили в классе, но я думаю, что это работает только для данных с известными функциями. Столбцы квадратной матрицы: [1], T, %, T*%, T/%, %/T. Я понял, что это работает только с квадратной матрицей, но я все еще не получаю хороших значений. Этот просто пытается найти коэффициент A на данный момент.

import numpy
import scipy.linalg
N = 6
coorA = numpy.zeros((N,N))
coorA = [[1, 316, 3, 948, 105, 0.0095],
         [1, 316, 6, 1896, 53, 0.0190],
         [1, 322, 3, 966, 107, 0.0093],
         [1, 322, 6, 1932, 54, 0.0186],
         [1, 333, 3, 999, 111, 0.0090],
         [1, 333, 6, 1998, 56, 0.0180]]
solnA = numpy.zeros(N)
solnA = [0.2925*10**-11, 0.1275*10**-14, 0.2506*10**-13, 0.2691*10**-15, 0.7319*10**-10, 0.18*10**-13]
cA = numpy.zeros(N)
cA = scipy.linalg.solve(coorA, solnA)
x = 316
y = 6
A = cA[0] + cA[1]*x + cA[2]*y + cA[3]*x*y + cA[4]*x/y + cA[5]/x*y
print (coorA)
print (solnA)
print (cA)
print (A)
# A output was -9.966296504331275e-11
# A output should be 0.1275*10**-14 as it's the 2nd line of inputs

Есть идеи, как двигаться дальше? Я чувствую, что есть простой ответ, но этот курс — ускоренный курс кодирования.


python numpy scipy interpolation test-data
person PSchexy94    schedule 12.11.2020    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Интерполяция должна работать с неизвестными функциями, поэтому вы интерполируете. Если бы функции были известны, вы бы подогнали их к данным.

Я предлагаю вам взглянуть на scipy.interpolate.interp2d, как показано здесь. Каждый из ваших выходных данных является функцией двух переменных (входных), поэтому я бы сделал 3 из этих 2D-интерполяций для каждой выходной переменной независимо.

person Botond    schedule 12.11.2020
comment
из того, что я прочитал по этой ссылке, я должен использовать np.arange, который не позволяет мне использовать данные, формирующие сетку, поскольку каждое из значений во входных массивах дважды появляется в данных. Кроме того, Z-значения распределены неравномерно, поэтому я также не могу использовать для них массив. - person PSchexy94; 16.11.2020