我能把scipy.interpolate.interp1d矢量化吗？

Question

interp1d对我所拥有的各个数据集工作得很好，但是我有超过500万个需要插值的数据集。

我需要插值是三次的，每个子集应该有一个插值。

现在，我可以使用for循环来完成这一任务，但是，要插值500万集，这需要相当长的时间(15分钟)：

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

我想做的可能是这样的：

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

但是，如果出现以下错误，则失败：

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

我的x数组(xArray)和y数组(interpData)都有相同的尺寸.

我可以并行化for循环，但这只会使速度略有提高，我非常喜欢将操作向量化。

Answer 1

在过去的几天里，我也一直试图做一些类似的事情。最后，我使用np.vectorize (使用功能签名 )成功地做到了这一点。尝试使用下面的代码片段：

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

x和y是形状数组(m )。目的是为x的第一行和y的第一行生成一个插值函数数组。数组interp_fn_array包含插值函数(形状为(1×m) )。