"我可以矢量化 scipy.interpolate.interp1d"

Question

interp1d非常適用於我擁有的單個數據集，但是我有超過 500 萬個需要插值的數據集。

我需要插值是三次的，每個子集應該有一個插值。

現在我可以用一個 for 循環來做到這一點，但是，要插入 500 萬個集合，這需要相當長的時間（15 分鍾）：

interpolants = []
for i in range(5000000):             
    interpolants.append(interp1d(xArray[i],interpData[i],kind='cubic'))

我想做的可能看起來像這樣：

interpolants = interp1d(xArray, interpData, kind='cubic')

但是，這失敗了，並出現錯誤：

ValueError: x and y arrays must be equal in length along interpolation axis.

我的 x 數組（xArray）和我的 y 數組（interpData）都具有相同的尺寸......

我可以並行化 for 循環，但這只會稍微提高速度，我更喜歡矢量化操作。

Answer 1

在過去的幾天里，我也一直在嘗試做類似的事情。 我終於設法用np.vectorize<\/code>做到了，使用函數簽名<\/a>。 試試下面的代碼片段：

fn_vectorized = np.vectorize(interpolate.interp1d,
                                     signature='(n),(n)->()')
interp_fn_array = fn_vectorized(x[np.newaxis, :, :], y)