如果我想要使用空插值（分段常数）的最佳替代方法取代numpy.interp，应该选择什么？

Question

numpy.interp非常方便且相对快速。在某些情况下，我想将其输出与未插值的变体进行比较，在该变体中，稀疏值会被传播（在“密集”输出中），并且结果在稀疏输入之间为分段常数。我想要的函数也可以称为“稀疏-＞密集”转换器，它复制最新的稀疏值，直到它找到更晚的值（一种空插值，就好像从早期值起从未经过零时间/距离）。

不幸的是，调整numpy.interp源代码并不容易，因为它只是编译函数的包装器。我可以使用Python循环自己编写此功能，但希望找到一种C速度的方法来解决问题。

更新：下面的解决方案（使用kind ='zero'的scipy.interpolate.interp1d ）非常慢，并且每次调用需要超过10秒钟（例如500k长度的输入，其中50％填充）。它使用零阶样条实现kind =' zero '，并且对spleval的调用非常缓慢。然而，kind ='linear'（即默认插值）的源代码为使用纯numpy解决问题提供了极好的模板（最小更改是将slope = 0 ）。该代码展示了如何使用numpy.searchsorted来解决问题，运行时间类似于调用numpy.interp ，因此通过调整scipy.interpolate.interp1d 实现线性插值即可跳过插值步骤（斜率！= 0混合相邻值）。

- Joseph Hastings

---

只是想说谢谢你的更新 - 我想在numpy中进行零插值，而不需要完全依赖于scipy，而你的帖子更新指明了实现方法。在我进行的小型测试中，numpy 1.5.1：安装了0.8.0的scipy和_fitpack.so，测试时间为308到508微秒；而仅使用slope=0的numpy线性插值需要491到778微秒 - 所以对我来说它更慢了一些；但并不是太多！再次感谢 - 干杯！ - sdaau

Answer 1

scipy.interpolate.interp1d 可以进行各种插值：'linear'、'nearest'、'zero'、'slinear'、'quadratic'、'cubic'。请查看文档：http://docs.scipy.org/doc/scipy-0.10.1/reference/generated/scipy.interpolate.interp1d.html#scipy.interpolate.interp1d。

- HYRY

---

很遗憾，每次更新问题的速度都非常慢。这是一个完全有效的答案，但底层的样条实现不太高效。 - Joseph Hastings

Answer 2

仅供参考：问题的解决方案是以下代码，我在更新的答案中得到了提示并成功编写出来:

def interpolate_constant(x, xp, yp):
    indices = np.searchsorted(xp, x, side='right')
    y = np.concatenate(([0], yp))
    return y[indices]

- flix007

Answer 3

我完全同意kind='zero'的速度非常慢；对于一个包含百万行数据的大型数据集，它可能比'linear'方法慢上1000倍。对于“左常数”插值-使用最新的值-下面的代码可以实现：

def approx(x, y, xout, yleft=np.nan, yright=np.nan): 
    xoutIdx     = np.searchsorted(x, xout, side='right')-1
    return (np.where(xout<x[0], yleft, np.where(xout>x[-1], yright, y[xoutIdx])))

如果你来自R语言的背景，这个函数相当于R中的approx函数，其中f=0。但是我还没有找到一种干净的方法来实现“右常数”插值，因为Python中的np.searchsorted函数使用side='right'参数时，如果xout的值与x中的某个值完全匹配，它会将一个索引向后推。

- Jong Kim