Линейная интерполяция в python возможна с помощью функции pandas .interpolate. Однако он не поддерживает десятичную индексацию, и мы должны округлить до ближайшего целочисленного индекса. Поскольку в январе 31 день, точное значение средней точки составляет 15,5. В python я не могу присвоить значение январского среднего значения позиции 15,5. Февраль имеет среднюю точку 45-го дня и, таким образом, можно присвоить среднее значение февраля 45-му индексу. У меня есть месячный набор данных, который имеет 12 значений, по одному на каждый месяц для каждой комбинации широты и долготы. Форма набора данных -
print(db.shape)
(12, 192, 288)
Значения случайной выбранной долготы широты для каждого месяца -
<xarray.DataArray 'RAIN' (time: 12)>
array([2.134660e-22, 2.385684e-22, 3.569678e-23, 2.779505e-24, 2.987041e-23,
1.156274e-21, 7.076990e-22, 9.011676e-25, 0.000000e+00, 0.000000e+00,
1.311926e-22, 4.365676e-23], dtype=float32)
Я использовал функцию resample.interpolate со следующими аргументами -
da=db.resample(time='1D').interpolate('linear')
Результат для той же широты и долготы-
<xarray.DataArray 'RAIN' (time: 335)>
array([2.13465963e-22, 2.14275718e-22, 2.15085473e-22, 2.15895229e-22,
2.16704984e-22, 2.17514739e-22, 2.18324494e-22, 2.19134250e-22,
2.19944005e-22, 2.20753760e-22, 2.21563515e-22, 2.22373270e-22,
2.23183026e-22, 2.23992781e-22, 2.24802536e-22, 2.25612291e-22,
2.26422047e-22, 2.27231802e-22, 2.28041557e-22, 2.28851312e-22,
2.29661068e-22, 2.30470823e-22, 2.31280578e-22, 2.32090333e-22,
2.32900089e-22, 2.33709844e-22, 2.34519599e-22, 2.35329354e-22,
2.36139109e-22, 2.36948865e-22, 2.37758620e-22, 2.38568375e-22,
2.31322961e-22, 2.24077547e-22, 2.16832132e-22, 2.09586718e-22,
2.02341304e-22, 1.95095890e-22, 1.87850475e-22, 1.80605061e-22,
1.73359647e-22, 1.66114233e-22, 1.58868819e-22, 1.51623404e-22,
1.44377990e-22, 1.37132576e-22, 1.29887162e-22, 1.22641747e-22,
1.15396333e-22, 1.08150919e-22, 1.00905505e-22, 9.36600903e-23,
8.64146761e-23, 7.91692618e-23, 7.19238476e-23, 6.46784333e-23,
5.74330191e-23, 5.01876049e-23, 4.29421906e-23, 3.56967764e-23,
3.46349350e-23, 3.35730873e-23, 3.25112396e-23, 3.14493919e-23,
3.03875442e-23, 2.93256965e-23, 2.82638488e-23, 2.72020011e-23,
2.61401534e-23, 2.50783057e-23, 2.40164580e-23, 2.29546103e-23,
2.18927626e-23, 2.08309149e-23, 1.97690672e-23, 1.87072195e-23,
1.76453718e-23, 1.65835241e-23, 1.55216764e-23, 1.44598287e-23,
1.33979810e-23, 1.23361333e-23, 1.12742856e-23, 1.02124379e-23,
9.15059025e-24, 8.08874255e-24, 7.02689486e-24, 5.96504716e-24,
4.90319946e-24, 3.84135177e-24, 2.77950407e-24, 3.68253488e-24,
4.58556510e-24, 5.48859532e-24, 6.39162554e-24, 7.29465576e-24,
8.19768598e-24, 9.10071620e-24, 1.00037464e-23, 1.09067766e-23,
1.18098069e-23, 1.27128371e-23, 1.36158673e-23, 1.45188975e-23,
1.54219277e-23, 1.63249580e-23, 1.72279882e-23, 1.81310184e-23,
1.90340486e-23, 1.99370788e-23, 2.08401091e-23, 2.17431393e-23,
2.26461695e-23, 2.35491997e-23, 2.44522299e-23, 2.53552602e-23,
2.62582904e-23, 2.71613206e-23, 2.80643508e-23, 2.89673810e-23,
2.98704112e-23, 6.62060109e-23, 1.02541611e-22, 1.38877211e-22,
1.75212812e-22, 2.11548412e-22, 2.47884012e-22, 2.84219612e-22,
3.20555212e-22, 3.56890813e-22, 3.93226413e-22, 4.29562013e-22,
4.65897613e-22, 5.02233213e-22, 5.38568814e-22, 5.74904414e-22,
6.11240014e-22, 6.47575614e-22, 6.83911214e-22, 7.20246815e-22,
7.56582415e-22, 7.92918015e-22, 8.29253615e-22, 8.65589216e-22,
9.01924816e-22, 9.38260416e-22, 9.74596016e-22, 1.01093162e-21,
1.04726722e-21, 1.08360282e-21, 1.11993842e-21, 1.15627402e-21,
1.14132149e-21, 1.12636899e-21, 1.11141649e-21, 1.09646399e-21,
1.08151149e-21, 1.06655899e-21, 1.05160649e-21, 1.03665399e-21,
1.02170148e-21, 1.00674898e-21, 9.91796481e-22, 9.76843980e-22,
9.61891479e-22, 9.46938977e-22, 9.31986476e-22, 9.17033975e-22,
9.02081474e-22, 8.87128972e-22, 8.72176471e-22, 8.57223970e-22,
8.42271469e-22, 8.27318967e-22, 8.12366466e-22, 7.97413965e-22,
7.82461464e-22, 7.67508962e-22, 7.52556461e-22, 7.37603960e-22,
7.22651459e-22, 7.07698957e-22, 6.84899028e-22, 6.62099098e-22,
6.39299169e-22, 6.16499239e-22, 5.93699310e-22, 5.70899381e-22,
5.48099451e-22, 5.25299522e-22, 5.02499592e-22, 4.79699663e-22,
4.56899733e-22, 4.34099804e-22, 4.11299874e-22, 3.88499945e-22,
3.65700015e-22, 3.42900086e-22, 3.20100157e-22, 2.97300227e-22,
2.74500298e-22, 2.51700368e-22, 2.28900439e-22, 2.06100509e-22,
1.83300580e-22, 1.60500650e-22, 1.37700721e-22, 1.14900791e-22,
9.21008620e-23, 6.93009326e-23, 4.65010031e-23, 2.37010737e-23,
9.01144211e-25, 8.72097659e-25, 8.43027737e-25, 8.13957815e-25,
7.84887893e-25, 7.55817971e-25, 7.26748049e-25, 6.97678127e-25,
6.68608205e-25, 6.39538283e-25, 6.10468361e-25, 5.81398439e-25,
5.52328517e-25, 5.23258595e-25, 4.94188673e-25, 4.65118751e-25,
4.36048830e-25, 4.06978908e-25, 3.77908986e-25, 3.48839064e-25,
3.19769142e-25, 2.90699220e-25, 2.61629298e-25, 2.32559376e-25,
2.03489454e-25, 1.74419532e-25, 1.45349610e-25, 1.16279688e-25,
8.72097659e-26, 5.81398439e-26, 2.90699220e-26, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 4.23202032e-24, 8.46404064e-24,
1.26960610e-23, 1.69280813e-23, 2.11601016e-23, 2.53921219e-23,
2.96241422e-23, 3.38561625e-23, 3.80881829e-23, 4.23202032e-23,
4.65522235e-23, 5.07842438e-23, 5.50162641e-23, 5.92482845e-23,
6.34803048e-23, 6.77123251e-23, 7.19443454e-23, 7.61763657e-23,
8.04083860e-23, 8.46404064e-23, 8.88724267e-23, 9.31044470e-23,
9.73364673e-23, 1.01568488e-22, 1.05800508e-22, 1.10032528e-22,
1.14264549e-22, 1.18496569e-22, 1.22728589e-22, 1.26960610e-22,
1.31192630e-22, 1.28274767e-22, 1.25356905e-22, 1.22439042e-22,
1.19521180e-22, 1.16603317e-22, 1.13685455e-22, 1.10767592e-22,
1.07849730e-22, 1.04931867e-22, 1.02014005e-22, 9.90961425e-23,
9.61782800e-23, 9.32604175e-23, 9.03425550e-23, 8.74246926e-23,
8.45068301e-23, 8.15889676e-23, 7.86711051e-23, 7.57532426e-23,
7.28353801e-23, 6.99175176e-23, 6.69996552e-23, 6.40817927e-23,
6.11639302e-23, 5.82460677e-23, 5.53282052e-23, 5.24103427e-23,
4.94924802e-23, 4.65746177e-23, 4.36567553e-23])
Здесь вы можете видеть, что он присваивает каждому значению 1-е число месяца, а затем интерполирует его. Я хочу разместить первое значение в качестве значения индекса 15,5 (31/2) за январь. В основном я хочу передать этот массив (/ 15.5, 45, 74.5, 105, 135.5, 166, 196.5, 227.5, 258, 288.5, 319, 349.5 /) как индекс для 12 значений каждого месяца, а затем интерполировать его.
Существует ли какая-либо функция, которая может назначать промежуточные значения для линейной интерполяции в python?