1D интерполяция данных (поиск по таблице)
vq = interp1(x,v,xq)vq = interp1(x,v,xq,method)vq = interp1(x,v,xq,method,extrapolation)vq = interp1(v,xq)vq = interp1(v,xq,method)vq = interp1(v,xq,method,extrapolation)pp = interp1(x,v,method,'pp')vq = interp1(x,v,xq) x содержит точки выборки, и v содержит соответствующие значения, v (x). Векторный xq содержит координаты точек запроса.
Если у вас есть несколько наборов данных, которые выбираются в тех же координатах точки, то можно передать v как массив. Каждый столбец массива v содержит различный набор 1D демонстрационных значений.
vq = interp1(x,v,xq,method) 'linear', 'nearest', 'next', 'previous', 'pchip', 'cubic', 'v5cubic', 'makima' или 'spline'. Методом по умолчанию является 'linear'.
vq = interp1(x,v,xq,method,extrapolation) x. Установите extrapolation на 'extrap' когда это необходимо использовать алгоритм method для экстраполяции. Также можно задать скалярное значение, в этом случае, interp1 возвращает то значение для всех точек вне области x.
vq = interp1(v,xq) 1 до n, где n зависит от формы v:
Когда v является вектором, точками по умолчанию является 1:length(v).
Когда v является массивом, точками по умолчанию является 1:size(v,1).
Используйте этот синтаксис, когда вы не будете обеспокоены абсолютными расстояниями между точками.
vq = interp1(v,xq,method)
vq = interp1(v,xq,method,extrapolation)
pp = interp1(x,v,method,'pp') method.
Этот синтаксис не рекомендуется. Используйте griddedInterpolant вместо этого.
Задайте точки выборки, x, и соответствующие демонстрационные значения, v.
x = 0:pi/4:2*pi; v = sin(x);
Задайте точки запроса, чтобы быть более прекрасной выборкой в области значений x.
xq = 0:pi/16:2*pi;
Интерполируйте функцию в точках запроса и постройте график результата.
figure vq1 = interp1(x,v,xq); plot(x,v,'o',xq,vq1,':.'); xlim([0 2*pi]); title('(Default) Linear Interpolation');
Теперь оцените v в тех же точках с помощью метода 'spline'.
figure vq2 = interp1(x,v,xq,'spline'); plot(x,v,'o',xq,vq2,':.'); xlim([0 2*pi]); title('Spline Interpolation');
Задайте набор значений функции.
v = [0 1.41 2 1.41 0 -1.41 -2 -1.41 0];
Задайте набор точек запроса, которые падают между точками по умолчанию, 1:9. В этом случае точками по умолчанию является 1:9, потому что v содержит значения 9.
xq = 1.5:8.5;
Оцените v в xq.
vq = interp1(v,xq);
Постройте график результата.
figure plot((1:9),v,'o',xq,vq,'*'); legend('v','vq');
Задайте набор точек выборки.
x = 1:10;
Задайте значения функции 
в точках выборки.
v = (5*x)+(x.^2*1i);
Задайте точки запроса, чтобы быть более прекрасной выборкой в области значений x.
xq = 1:0.25:10;
Интерполируйте v в точках запроса.
vq = interp1(x,v,xq);
Постройте график действительной части результата красного цвета и мнимой части синего цвета.
figure plot(x,real(v),'*r',xq,real(vq),'-r'); hold on plot(x,imag(v),'*b',xq,imag(vq),'-b');
Интерполируйте точки данных, к которым добавляют метку времени.
Рассмотрите набор данных, содержащий температурные чтения, которые измеряются каждые четыре часа. Составьте таблицу с ценностью одного дня данных и отобразите данные на графике.
x = (datetime(2016,1,1):hours(4):datetime(2016,1,2))'; x.Format = 'MMM dd, HH:mm'; T = [31 25 24 41 43 33 31]'; WeatherData = table(x,T,'VariableNames',{'Time','Temperature'})
WeatherData=7×2 table
Time Temperature
_____________ ___________
Jan 01, 00:00 31
Jan 01, 04:00 25
Jan 01, 08:00 24
Jan 01, 12:00 41
Jan 01, 16:00 43
Jan 01, 20:00 33
Jan 02, 00:00 31
plot(WeatherData.Time, WeatherData.Temperature, 'o')
Интерполируйте набор данных, чтобы предсказать температуру, читающую в течение каждой минуты дня. Поскольку данные являются периодическими, используйте метод интерполяции 'spline'.
xq = (datetime(2016,1,1):minutes(1):datetime(2016,1,2))';
V = interp1(WeatherData.Time, WeatherData.Temperature, xq, 'spline');Постройте график интерполированных точек.
hold on plot(xq,V,'r')
Задайте точки выборки, x, и соответствующие демонстрационные значения, v.
x = [1 2 3 4 5]; v = [12 16 31 10 6];
Задайте точки запроса, xq, которые расширяют вне области x.
xq = [0 0.5 1.5 5.5 6];
Оцените v в xq с помощью метода 'pchip'.
vq1 = interp1(x,v,xq,'pchip')vq1 = 1×5
19.3684 13.6316 13.2105 7.4800 12.5600
Затем, оцените v в xq с помощью метода 'linear'.
vq2 = interp1(x,v,xq,'linear')vq2 = 1×5
NaN NaN 14 NaN NaN
Теперь, используйте метод 'linear' с опцией 'extrap'.
vq3 = interp1(x,v,xq,'linear','extrap')
vq3 = 1×5
8 10 14 4 2
'pchip' экстраполирует по умолчанию, но 'linear' не делает.
Задайте точки выборки, x, и соответствующие демонстрационные значения, v.
x = [-3 -2 -1 0 1 2 3]; v = 3*x.^2;
Задайте точки запроса, xq, которые расширяют вне области x.
xq = [-4 -2.5 -0.5 0.5 2.5 4];
Теперь оцените v в xq с помощью метода 'pchip' и присвойте любые значения вне области x к значению, 27.
vq = interp1(x,v,xq,'pchip',27)vq = 1×6
27.0000 18.6562 0.9375 0.9375 18.6562 27.0000
Задайте точки выборки.
x = (-5:5)';
Демонстрационные три различных параболических функции в точках заданы в x.
v1 = x.^2; v2 = 2*x.^2 + 2; v3 = 3*x.^2 + 4;
Создайте матричный v, столбцы которого являются векторами, v1, v2 и v3.
v = [v1 v2 v3];
Задайте набор точек запроса, xq, чтобы быть более прекрасной выборкой в области значений x.
xq = -5:0.1:5;
Выполните все три функции в xq и постройте график результатов.
vq = interp1(x,v,xq,'pchip'); figure plot(x,v,'o',xq,vq); h = gca; h.XTick = -5:5;
Круги в графике представляют v, и сплошные линии представляют vq.