numpy数组上的scipy.optimise.bisect

Question

我有一个粗大的浮标数组，打印时如下所示：

红圆是原始值，蓝色十字是用numpy.interp进行的线性插值。

我希望使用scipy.optimize.bisect (例如)找到这个numpy数组(红色圆)的零交叉的横坐标。因为这是一个numpy数组(而不是函数)，所以我不能直接将它传递给scipy.optimize.bisect。所以我想传递一个函数，将numpy数组内插到二分。下面是我目前使用的代码：

def Inter_F(x,xp,fp):
    return np.interp(x,xp,fp)
Numpyroot = scp.optimize.bisect(Inter_F,0,9,args=(XNumpy,YNumpy)) 

我发现一个似乎是正确的值，Numpyroot = 3.376425289196618。

我想知道：

• 如果这是在numpy数组上使用scipy.optimize.bisect的正确技术方法呢？特别是当我要对不同的numpy值做10^6次时。
• 如果执行线性插值不会影响均分的结果，如果是的话，还有更好的选择吗？

下面是两个numpy数组：

XNumpy = array([ 0.   ,  1.125,  2.25 ,  3.375,  4.5  ,  5.625,  6.75 ,  7.875,  9.   ])
YNumpy = array([ -2.70584242e+04,  -2.46925289e+04,  -1.53211676e+04,
        -2.30000000e+01,   1.81312104e+04,   3.41662461e+04,
         4.80466863e+04,   5.75113178e+04,   6.41718009e+04])

Answer 1

我认为你所做的是正确的。然而，有一个更简洁的方法。

import numpy as np
from scipy.interpolate import interp1d


XNumpy = np.array([0., 1.125, 2.25, 3.375, 4.5, 5.625, 6.75, 7.875, 9.])
YNumpy = np.array([
    -2.70584242e+04, -2.46925289e+04, -1.53211676e+04,
    -2.30000000e+01, 1.81312104e+04, 3.41662461e+04,
    4.80466863e+04,   5.75113178e+04,   6.41718009e+04
]) 

invf = interp1d(YNumpy, XNumpy)
print(invf(0))

结果：

array(3.376425289199028)

在这里，我使用scipy.interpolate.interp1d返回一个函数。另外，我插值了逆函数，这样就可以很容易地计算出横坐标。当然，您也可以对np.interp执行同样的操作，我喜欢scipy.interpolate.interp1d，因为它返回一个函数，因此我可以从任何给定的y值中计算x值。