我有一組稱為值的觀察值，它來自按以下方式定義的函數(shù)：values = np.array([oscillatory(i) for i in range(points.shape[0])])values 的形狀為 (65,1)，points 是一個數(shù)組，用于評估振蕩函數(shù)，它的形狀為 (65,7)，7 是在 7 維空間中充當(dāng)維度的一些特征（7 只是一個任意數(shù)字）。我試圖插入在這個空間中定義的一些任意點。我嘗試使用以下方法定義這些點：grid_x = np.random.uniform(0,10, (100,7))但它沒有用。顯然是因為網(wǎng)格沒有正確定義所以我嘗試過：grid_x= np.mgrid[-2:2, 5:99 , 4:5, 5:6, 5:7, 6:67, 7:67]這又不行了。我通過以下方式調(diào)用插值函數(shù)：grid_z1 = gdd(points, values, tuple(grid_x))但是我總是遇到一個巨大的錯誤，我很難理解。奇怪的是，如果我以隨機(jī)方式定義點和值，代碼將起作用：points = np.random.uniform(0,10, (65,3))values = np.random.uniform(0,10,(points.shape[0],1))grid_x= np.mgrid[0:2, 5:9 , 4:5]grid_z1 = gdd(points, values, tuple(grid_x))這里我只是嘗試了 3 而不是 7，因為它更快，但原理保持不變。如果我在 7 個維度中定義它，代碼也可以工作。所以我的問題是：1）我怎樣才能讓我的初始代碼在 7 維中運行？2）如果數(shù)組具有相同的形狀，為什么隨機(jī)聲明與其他聲明相比有效？任何幫助將不勝感激。非常感謝你。
1 回答
精慕HU
TA貢獻(xiàn)1845條經(jīng)驗 獲得超8個贊
我認(rèn)為問題在于您需要確保您在維度數(shù)量以及這些維度的“域”方面保持一致。插入到未采樣的地方不會得到好的結(jié)果。我認(rèn)為您遇到的錯誤與嘗試在這些地方進(jìn)行計算有關(guān)。
以下是如何使 scipy.interpolate.griddata 文檔中的示例適用于 7 維示例。我正在使用一個更簡單的函數(shù)，它只是對points數(shù)據(jù)中的“特征”求和：
import numpy as np
def func(data):
return np.sum(data, axis=1)
grid = np.mgrid[0:1:5j, 0:1:5j, 0:1:5j, 0:1:5j, 0:1:5j, 0:1:5j, 0:1:5j]
points = np.random.rand(100, 7)
values = func(points)
請注意，網(wǎng)格覆蓋了坐標(biāo)的整個范圍points。也就是說，由于每一列的points值都在 0 到 1 的范圍內(nèi)，我應(yīng)該確保在這些相同的坐標(biāo)上創(chuàng)建一個網(wǎng)格。
from scipy.interpolate import griddata
grid_z = griddata(points, values, tuple(grid), method='linear')
現(xiàn)在我有這個：
>>> grid_z[2, 2, 2, 2, 2, :, :]
array([[ nan, nan, nan, nan, nan],
[ nan, 3. , 3.25, 3.5 , nan],
[ nan, 3.25, 3.5 , 3.75, nan],
[ nan, 3.5 , 3.75, 4. , nan],
[ nan, nan, nan, nan, nan]])
請注意，有很多 NaN。如果你使用nearestas 方法，你總會得到一個解決方案，但當(dāng)然linear插值需要兩個東西來插值，所以超立方體的“邊緣”是無效的（并且 7-D 空間有很多邊緣！） .
添加回答
舉報
0/150
提交
取消