Как получить функцию в Python для интерполяции между 2 списками (каждый со своим собственным x, y)? - PullRequest
Новая
       12

Как получить функцию в Python для интерполяции между 2 списками (каждый со своим собственным x, y)?

1 голос
/ 09 ноября 2019

Я относительно новичок в python и имею сложную и интересную проблему (IMO), которую пытаюсь решить, но не знаю, как действовать.

У меня есть набор данных страхованияпремии с 3 параметрами:

  • Возраст (от 18, 20, 25, 30, .... до 59, с шагом 5)
  • Покрытие (50k, 100k, 150k, 200k)
  • Премиум (стоимость страховки для данного возраста и данного покрытия)

визуализация

enter image description here

#Age
Age = ["18","20","25","30","35","40","45","50","55","59"]
#Insurance coverage
Coverage = ["50000","100000","150000","200000"]

#Premiums Data
Cover50k_Annual_Premium = [473.05,501.90,588.45,698.05,842.25,1032.65,1298.05,1696.10,2376.85,3380.65]
Cover100k_Annual_Premium = [946.10,1003.80,1176.90,1396.10,1684.55,2065.30,2596.05,3392.15,4753.65,6761.25]
Cover150k_Annual_Premium = [1419.15,1505.70,1765.30,2094.15,2526.80,3097.95,3894.10,5088.25,7130.50,10141.90]
Cover200k_Annual_Premium = [1892.25,2007.60,2353.75,2792.20,3369.10,4130.60,5192.10,6784.35,9507.30,13522.55 ]

#Matrix
Premiums = np.array([Cover50k_Annual_Premium, Cover100k_Annual_Premium, Cover150k_Annual_Premium, Cover200k_Annual_Premium])

#visualization
plt.plot(Cover50k_Annual_Premium, c='Black', ls= '--', marker='o', label='50k')
plt.plot(Cover100k_Annual_Premium, c='red', ls= '--', marker='o', label='100k')
plt.plot(Cover150k_Annual_Premium, c='blue', ls= '--', marker='o', label='150k')
plt.plot(Cover200k_Annual_Premium, c='green', ls= '--', marker='o', label='200k')

# interpolate between all premiums
# formula: interp = [(i1 + i2)/2.0 for i1, i2 in zip(l1, l2)]
interp_premiums = [(Cover50k_Annual_Premium+Cover100k_Annual_Premium+Cover150k_Annual_Premium+Cover200k_Annual_Premium)/4.0 
          for Cover50k_Annual_Premium, Cover100k_Annual_Premium, Cover150k_Annual_Premium, Cover200k_Annual_Premium 
          in zip(Cover50k_Annual_Premium, Cover100k_Annual_Premium, Cover150k_Annual_Premium, Cover200k_Annual_Premium)]

plt.plot(interp_premiums, c='magenta', ls= '--', marker='o', label='interp')

plt.legend(loc='upper left',bbox_to_anchor=(1,1))
plt.xticks(list(range(0,10)),Age, rotation='vertical')
plt.show()

interp_premiums

# given Age 27, find the Premiums for 50k, 100k, 150k, 200k
# ?????

Я пытаюсь получить оценочную премию (интерполированную) для человека в данном возрасте (например, 27 лет) для каждого покрытия (50 тыс., 100 тыс., 150 тыс., 200 тыс.), Но я застрял.

В конце концов, что было бы еще лучше, если бы я вернул список предполагаемых премий для человека на данный момент по всем покрытиям, чтобы я мог также интерполировать между покрытиями (например, какая премия для человека в возрасте 27 лет), за премию 125к).

1 Ответ

0 голосов
/ 09 ноября 2019

Краткий ответ: 

from scipy.interpolate import interp1d
AgeNum = np.array(Age, dtype=float)
interps = {Coverage[count]: interp1d(
        AgeNum, param, kind='cubic', fill_value='extrapolate'
        ) for count, param in enumerate(Premiums)}

мы просто создаем словарь функций интерполяции с помощью метода scipy кубического сплайна interp1d.

Однако я только что заметил, что вы что-то делаетене очень удачно с вашими графиками - я бы рекомендовал не переопределять протоколы масштабирования, «маскируя» истинные значения банка с помощью тиклабелей.

РЕДАКТИРОВАТЬ:

Вот как я мог бы закодировать это полностью: 

import matplotlib.pyplot as plt
import numpy as np

from scipy.interpolate import interp1d

#Age
Age = ["18","20","25","30","35","40","45","50","55","59"]

#Insurance coverage
Coverage = ["50k","100k","150k","200k"]

#Premiums Data
Cover50k_Annual_Premium = [473.05,501.90,588.45,698.05,842.25,1032.65,1298.05,1696.10,2376.85,3380.65]
Cover100k_Annual_Premium = [946.10,1003.80,1176.90,1396.10,1684.55,2065.30,2596.05,3392.15,4753.65,6761.25]
Cover150k_Annual_Premium = [1419.15,1505.70,1765.30,2094.15,2526.80,3097.95,3894.10,5088.25,7130.50,10141.90]
Cover200k_Annual_Premium = [1892.25,2007.60,2353.75,2792.20,3369.10,4130.60,5192.10,6784.35,9507.30,13522.55 ]

#Matrix
Premiums = np.array([Cover50k_Annual_Premium, Cover100k_Annual_Premium, Cover150k_Annual_Premium, Cover200k_Annual_Premium])

#interpolation
AgeNum = np.array(Age, dtype=float)
interps = {Coverage[count]: interp1d(
        AgeNum, param, kind='cubic', fill_value='extrapolate'
        ) for count, param in enumerate(Premiums)}

# 2d interp
coverages = lambda z, y: interp1d(
    x=[50000,100000,150000,200000],
    y=[interps[func_val](z) for func_val in Coverage],
    kind='cubic',
    fill_value='extrapolate'
    )(y)


#visualization
fig = plt.figure()
ax = fig.add_subplot(111)
ax.tick_params(direction='in', pad = 5)

ax.plot(AgeNum, Cover50k_Annual_Premium, c='Black', ls= '--', marker='o', label='50k')
ax.plot(AgeNum, Cover100k_Annual_Premium, c='red', ls= '--', marker='o', label='100k')
ax.plot(AgeNum, Cover150k_Annual_Premium, c='blue', ls= '--', marker='o', label='150k')
ax.plot(AgeNum, Cover200k_Annual_Premium, c='green', ls= '--', marker='o', label='200k')

ages = np.linspace(18,59,100)
ax.plot(ages, interps["50k"](ages))
ax.plot(ages, interps["100k"](ages))
ax.plot(ages, interps["150k"](ages))
ax.plot(ages, interps["200k"](ages))

ax.legend(loc='upper left',bbox_to_anchor=(1,1))

plt.tight_layout()
plt.show()

с таким, интерполяции могут быть вызваны с использованиемсловарные ключи: 

In [23]:interps["50k"](27)
Out[23]: array(628.96153198)

In [24]:interps["200k"](27)
Out[24]: array(2515.80282111)

In [40]:coverages(27, 125000)
Out[40]: array(1572.3803509)
...