[파이썬][Scipy] Interpolation 함수 예제

25 Aug 2023

scipy

scipy.interpolate 모듈은 데이터의 보간과 스플라인 근사를 수행하는데 사용됩니다. 아래 예제에서는 scipy.interpolate 모듈을 사용하여 1차원 데이터와 2차원 데이터를 보간하는 방법을 보여줍니다.

먼저, 필요한 모듈을 가져옵니다:

mport numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d, griddata

1차원 데이터 보간 예제:

1차원 데이터를 보간하여 더 많은 데이터 포인트를 생성하는 방법을 살펴보겠습니다.

# 원본 데이터 생성
x = np.linspace(0, 10, num=11)
y = np.sin(x)

# 선형 보간 함수 생성
f_linear = interp1d(x, y, kind='linear')

# 새로운 데이터 포인트 생성
x_new = np.linspace(0, 10, num=101)
y_linear = f_linear(x_new)

# 결과 시각화
plt.figure(figsize=(8, 6))
plt.plot(x, y, 'o', label='Original Data')
plt.plot(x_new, y_linear, '-', label='Linear Interpolation')
plt.title('1D Linear Interpolation')
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.grid(True)
plt.show()

2차원 데이터 보간 예제:

2차원 데이터에 대한 보간을 수행하고 결과를 시각화하는 방법을 살펴보겠습니다.

# 원본 데이터 생성
x = np.linspace(0, 4, 5)
y = np.linspace(0, 4, 5)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 2차원 그리드 생성
x_new = np.linspace(0, 4, 25)
y_new = np.linspace(0, 4, 25)
X_new, Y_new = np.meshgrid(x_new, y_new)

# 2차원 데이터 보간 (griddata 함수 사용)
Z_interpolated = griddata((X.flatten(), Y.flatten()), Z.flatten(), (X_new, Y_new), method='cubic')

# 결과 시각화
plt.figure(figsize=(10, 8))
plt.subplot(121)
plt.imshow(Z, extent=(x.min(), x.max(), y.min(), y.max()), origin='lower', cmap='viridis')
plt.title('Original Data')
plt.xlabel('x')
plt.ylabel('y')

plt.subplot(122)
plt.imshow(Z_interpolated, extent=(x_new.min(), x_new.max(), y_new.min(), y_new.max()), origin='lower', cmap='viridis')
plt.title('2D Interpolation')
plt.xlabel('x')
plt.ylabel('y')

plt.tight_layout()
plt.show()

위의 예제에서는 1차원 및 2차원 데이터에 대한 보간을 수행하고 결과를 시각화합니다. scipy.interpolate 모듈을 사용하면 데이터를 부드럽게 보간하고 근사화하는데 유용합니다.