Menerjemahkan interpolasi indeks float dari MATLAB ke Python

Question

Misalnya, saya memiliki array indeks

ax = [0, 0.2, 2] #start from index 0: python

dan matriks I

I= 
10    20    30    40    50
10    20    30    40    50
10    20    30    40    50
10    20    30    40    50
10    20    30    40    50

Di MATLAB, dengan menjalankan kode ini

[gx, gy] = meshgrid([1,1.2,3], [1,1.2,3]);
I = [10:10:50];
I = vertcat(I,I,I,I,I)
SI = interp2(I,gx,gy,'bilinear');

Hasilnya SIadalah

SI =
10    12    30
10    12    30
10    12    30

---

Saya mencoba melakukan interpolasi yang sama dengan Python, menggunakan NumPy. Saya pertama-tama menginterpolasi baris, lalu kolom

import numpy as np
ax = np.array([0.0, 0.2, 2.0])
ay = np.array([0.0, 0.2, 2.0])
I = np.array([[10,20,30,40,50]])
I = np.concatenate((I,I,I,I,I), axis=0)
r_idx = np.arange(1, I.shape[0]+1)
c_idx = np.arange(1, I.shape[1]+1)
  
I_row = np.transpose(np.array([np.interp(ax, r_idx, I[:,x]) for x in range(0,I.shape[0])]))
I_col = np.array([np.interp(ay, c_idx, I_row[y,:]) for y in range(0, I_row.shape[0])])

SI = I_col

Namun, hasilnya SIadalah

SI =
10    10    20
10    10    20
10    10    20

Mengapa hasil saya menggunakan Python berbeda dari yang menggunakan MATLAB?

Answer 1

Tampaknya Anda mengoreksi diri sendiri secara berlebihan dengan meneruskan dari MATLAB ke Python, seperti yang ditunjukkan oleh kutipan kode pertama Anda.

ax = [0, 0.2, 2] #start from index 0: python

Dalam logika numpy, urutan ini tidak mewakili indeks tetapi koordinat untuk fungsi yang akan diinterpolasi. Karena Anda sudah berhati-hati dalam meningkatkan koordinat agar kompatibel dengan matlab di sini:

r_idx = np.arange(1, I.shape[0]+1)
c_idx = np.arange(1, I.shape[1]+1)

Anda dapat menggunakan kembali koordinat interpolasi yang Anda gunakan di Matlab:

ax = [1,1.2,3]

Kode lengkap:

import numpy as np
ax = np.array([1.0, 1.2, 3.0])
ay = np.array([1.0, 1.2, 3.0])
I = np.array([[10,20,30,40,50]])
I = np.concatenate((I,I,I,I,I), axis=0)
r_idx = np.arange(1, I.shape[0]+1)
c_idx = np.arange(1, I.shape[1]+1)

I_row = np.transpose(np.array([np.interp(ax, r_idx, I[:,x]) for x in range(0,I.shape[
0])]))
I_col = np.array([np.interp(ay, c_idx, I_row[y,:]) for y in range(0, I_row.shape[0])]
)

SI = I_col

dan hasil:

array([[10., 12., 30.],
       [10., 12., 30.],
       [10., 12., 30.]])

Penjelasan tentang bug

Sejak axdiwakili koordinat dua nilai pertama 0.0dan 0.2sebelum koordinat pertama r_idx. Menurut dokumentasi , interpolasi akan default ke I [:, ​​x] [0].