在之前的一个问题中(如何在2-D数组上使用numpy.interp的最快方法),有人询问了实现以下操作的最快方式:
假设
换句话说,我想使用线性插值来上采样存储在两个矩阵
其他要点: - 如果有帮助的话,我的应用程序中预排序了行
np.array([np.interp(X[i], x, Y[i]) for i in range(len(X))])
假设
X
和Y
是具有许多行的矩阵,因此for循环的成本很高。在这种情况下,有一个很好的解决方案可以避免for循环(参见上面链接的答案)。
我面临着一个非常类似的问题,但是我不确定在这种情况下是否可以避免使用for循环:
np.array([np.interp(x, X[i], Y[i]) for i in range(len(X))])
换句话说,我想使用线性插值来上采样存储在两个矩阵
X
和 Y
的行中的大量信号。我希望能够在numpy或scipy中找到一个函数(如scipy.interpolate.interp1d),通过广播语义支持此操作,但到目前为止似乎找不到这样的函数。其他要点: - 如果有帮助的话,我的应用程序中预排序了行
X[i]
和 x
。此外,在我的情况下,len(x)
要比 len(X[i])
大得多。
- 函数 scipy.signal.resample
几乎可以实现我想要的功能,但它不使用线性插值...