按照这个技巧来获取NumPy数组的唯一条目,我现在有一个双列数组,基本上是第一个元素在[0.9:0.02:1.1]范围内的对,第二个元素在[1.5:0.1:2.0]范围内].我们称之为A.目前,它完全未分类,即
In [111]: A
Out[111]:
array([[ 1.1 , 1.9 ],
[ 1.06, 1.9 ],
[ 1.08, 1.9 ],
[ 1.08, 1.6 ],
[ 0.9 , 1.8 ],
...
[ 1.04, 1.6 ],
[ 0.96, 2. ],
[ 0.94, 2. ],
[ 0.98, 1.9 ]])
我想对它进行排序,以便每行首先在第二列中增加,然后在第一列中增加.即
array([[ 0.9 , 1.5 ],
[ 0.9 , 1.6 ],
[ 0.9 , 1.7 ],
[ 0.9 , 1.9 ],
[ 0.9 , 1.9 ],
[ 0.9 , 2. ],
[ …在Python中,我正在尝试构建一个在多维(5+)参数空间中插入向量值数据的例程.即我有一个函数,它接受许多输入变量并返回许多输出变量.目前,对向量的每个元素都有一个调用.数据在一个圆柱文件中,所以我用它检索它
import numpy
[x_data,y_data,f1_data,f2_data] = numpy.loadtxt('data',unpack=True)
然后,我使用SciPy函数实例化各个插值器,如
from scipy import interpolate
f1 = interpolate.LinearNDInterpolator((x_data,y_data),f1_data)
f2 = interpolate.LinearNDInterpolator((x_data,y_data),f2_data)
...
现在,当我做插值电话,我要插每个值f1,f2等等.尽管实际上它应该是可以实现的一个操作.而且我猜测制作一个插值应该比制作5个或更多更快.
有没有办法构建矢量(或数组)值插值器？
我尝试使用构造插值器
f = interpolate.LinearNDInterpolator((x_data,y_data),(f1_data,f2_data,...))
但它返回错误
ValueError:不同数量的值和点
我也读过这个问题和答案,但它是关于标量的向量值函数,显然可以用它来处理interp1d.
我在 Python 中插入一些数据以在常规网格上重新网格化，以便我可以部分集成它。数据表示一个高维参数空间的函数（目前为 3，将扩展到至少 5），并返回一个多值函数的 observables（目前为 2，将扩展到 3，然后可能有几十个）。
scipy.interpolate.LinearNDInterpolator由于缺乏任何其他明显的选项（并且因为我理解griddata只是调用它），我正在执行插值。在较小的数据集（15,000 行列数据）上，它工作正常。在较大的集（60,000+）上，该命令似乎无限期地运行。top表示 iPython 正在使用 100% CPU 并且终端完全没有响应，包括C-c. 到目前为止，我已经将它放置了几个小时无济于事，最终我想通过几百万个条目。
我怀疑这个问题与这张票有关，但据说是在 SciPy 0.10.0 中修补的，我昨天升级到了。
我的问题基本上是如何对大型数据集执行多维插值？根据我的尝试，解决方案可能来自几个可能的地方，但我没有运气找到它们。（由于 scipy 的几个子域似乎已关闭，这对我的搜索没有帮助......）
LinearNDInterpolator？或者，至少，我怎样才能找出问题所在并尝试绕过绞刑？LinearNDInterpolator有效？也许通过谨慎地将数据分块以重新划分数据？我正在尝试自动化某个过程，该过程有时需要从截断的多元法线中提取样本。也就是说，它是一个正态多元正态分布（即高斯分布），但变量被约束为一个长方体。我给定的输入是完整多元正态的均值和协方差，但是我需要在框中输入样本。
到目前为止，我只是拒绝在盒子外面采样，并根据需要重新采样，但是我开始发现我的过程有时会给我（a）大协方差，并且（b）接近边缘。这两个事件共同影响了我的系统速度。
所以我想做的是首先正确地采样分布。谷歌搜索只会导致本次讨论或truncnorm分布在scipy.stats。前者没有定论，而后者似乎是针对一个变量的。是否有任何本地多元截断法线？它会比拒绝样品更好，还是我应该做些更聪明的事情？
我将开始研究自己的解决方案，即将未截断的高斯曲线旋转到主轴（使用SVD分解等），使用截断的高斯积对分布进行采样，然后将其旋转回去，并根据需要拒绝/重新采样。如果截断的采样效率更高，我认为这应该更快地采样所需的分布。