Python坐标线性插值应用实现

更新时间：2019年11月13日 09:33:40 作者：北巷的猫

这篇文章主要介绍了Python坐标线性插值应用实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

一、背景

在野外布设700米的测线，点距为10米，用GPS每隔50米测量一个坐标，再把测线的头和为测量一个坐标。现在需使用线性插值的方法求取每两个坐标之间的其他4个点的值。

二、插值原理

使用等比插值的方法

起始值为 a

终止值为 b

步长值为 (a-b)/5

后面的数分别为 a+n, a+2n, a+3n, a+4n

三、代码实习对 x 插值

interx.py

import numpy as np
f = np.loadtxt('datax.txt')
a = f[:, 0]
b = f[:, 1]
for j in np.arange(len(a)):
	aa = a[j]*1000	# np.arrange()会自动去掉小数
	bb = b[j]*1000
	n = (bb-aa) / 5
	x = np.arange(6)
	x[0] = aa
	print(x[0]/1000)
	for i in range(1, 5, 1):
		x[i] = x[i-1]+n
		print(x[i]/1000)
		i = i+1
	# print(bb/1000)
	# print("\n")

datax.txt

514873.536 	514883.939 
514883.939 	514894.358 
514894.358 	514903.837 
514903.837 	514903.807 
514903.807 	514907.179 
514907.179 	514911.356 
514911.356 	514913.448 
514913.448 	514913.315 
514913.315 	514917.344 
514917.344 	514923.684 
514923.684 	514924.801
514924.801	514929.697 
514929.697 	514916.274

对 y 插值

intery.py

import numpy as np
f = np.loadtxt('datay.txt')
a = f[:, 0]
b = f[:, 1]
for j in np.arange(len(a)):
	aa = (a[j] - 2820000)*1000	# 数据太长会溢出
	bb = (b[j]-2820000)*1000
	n = (bb-aa) / 5
	x = np.arange(6)
	x[0] = aa
	print(x[0]/1000+2820000)
	for i in range(1, 5, 1):
		x[i] = x[i-1]+n
		print(x[i]/1000+2820000)
		i = i+1
	# print(bb/1000)
	# print("\n")

datay.txt

2820617.820 	2820660.225 
2820660.225 	2820693.988 
2820693.988 	2820819.199 
2820819.199 	2820831.510 
2820831.510 	2820858.666 
2820858.666 	2820973.487 
2820973.487 	2821017.243 
2821017.243 	2821019.518 
2821019.518 	2821058.223 
2821058.223 	2821097.575 
2821097.575 	2821144.436 
2821144.436 	2821173.356 
2821173.356 	2821218.889

四、最终成果

手动把两次插值结果复制到dataxy中

dataxy.txt

514873.536 	2820617.819 
514875.616 	2820626.300 
514877.696 	2820634.781 
514879.776 	2820643.262 
514881.856 	2820651.743 
514883.939 	2820660.225 
514886.022 	2820666.977 
514888.105 	2820673.729 
514890.188 	2820680.481 
514892.271 	2820687.233 
514894.358 	2820693.987 
514896.253 	2820719.029 
514898.148 	2820744.071 
514900.043 	2820769.113 
514901.938 	2820794.155 
514903.837 	2820819.199 
514903.831 	2820821.661 
514903.825 	2820824.123 
514903.819 	2820826.585 
514903.813 	2820829.047 
514903.807 	2820831.509 
514904.481 	2820836.940 
514905.155 	2820842.371 
514905.829 	2820847.802 
514906.503 	2820853.233 
514907.179 	2820858.666 
514908.014 	2820881.630 
514908.849 	2820904.594 
514909.684 	2820927.558 
514910.519 	2820950.522 
514911.356 	2820973.487 
514911.774 	2820982.238 
514912.192 	2820990.989 
514912.610 	2820999.740 
514913.028 	2821008.491 
514913.448 	2821017.242 
514913.421 	2821017.697 
514913.394 	2821018.152 
514913.367 	2821018.607 
514913.340 	2821019.062 
514913.315 	2821019.518 
514914.120 	2821027.259 
514914.925 	2821035.000 
514915.730 	2821042.741 
514916.535 	2821050.482 
514917.344 	2821058.223 
514918.612 	2821066.093 
514919.880 	2821073.963 
514921.148 	2821081.833 
514922.416 	2821089.703 
514923.684 	2821097.575 
514923.907 	2821106.947 
514924.130 	2821116.319 
514924.353 	2821125.691 
514924.576 	2821135.063 
514924.801 	2821144.436 
514925.780 	2821150.219 
514926.759 	2821156.002 
514927.738 	2821161.785 
514928.717 	2821167.568 
514929.697 	2821173.356 
514927.012 	2821182.462 
514924.327 	2821191.568 
514921.642 	2821200.674 
514918.957 	2821209.780

五、画图对比

dataxy.py

import numpy as np
import matplotlib as mpl
from matplotlib import pyplot as plt
# 解决中文字体显示不出来
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False

a = np.loadtxt("datax.txt")
b = np.loadtxt('datay.txt')
c = np.loadtxt('dataxy.txt')
x = a[: ,0]
y = b[: ,0]
xx = c[:,0]
yy = c[:,1]
plt.plot(x,y,color = 'orange',
		label = '插值线段')
plt.scatter(xx,yy,marker='o',
	c = 'deepskyblue',
	alpha = 0.6,
	label = '实测点位')
plt.legend()
plt.title('Python坐标插值')
plt.grid()
# 保存高清图片，dpi表示分辨率
plt.savefig('out.png',dpi = 600)
plt.show()

文件结构

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

Python实现身份证号码验证的示例代码
本文主要介绍了Python实现身份证号码验证的示例代码,当用户输入身份证号,按下检查按钮,即可判断身份证号是否正确,具有一定的参考价值,感兴趣的可以了解一下
2024-02-02
pytorch_pretrained_bert如何将tensorflow模型转化为pytorch模型
这篇文章主要介绍了pytorch_pretrained_bert将tensorflow模型转化为pytorch模型的操作，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2021-06-06
将Jupyter Notebook(.ipynb)文件转换为Python(.py)文件的3种方法
大多数数据科学在线课程都把Jupyter Notebook作为教学媒介,这是因为初学者在Jupyter Notebook的单元格中编写代码,比编写包含类和函数的脚本更容易,这篇文章主要给大家介绍了关于将Jupyter Notebook(.ipynb)文件转换为Python(.py)文件的3种方法,需要的朋友可以参考下
2023-10-10
python 使用while写猜年龄小游戏过程解析
这篇文章主要介绍了python 使用while写猜年龄小游戏过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-10-10
mac系统下Redis安装和使用步骤详解
这篇文章主要介绍了mac下Redis安装和使用步骤详解，并将python如何操作Redis做了简单介绍,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-07-07
Python 的内置字符串方法小结
本文主要给大家介绍了下Python的一些内置字符串的方法，包括概览，字符串大小写转换，字符串格式输出，字符串搜索定位与替换，字符串的联合与分割，字符串条件判断，字符串编码
2016-03-03
python异步存储数据详解
这篇文章主要为大家详细介绍了python异步存储数据的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-03-03
Python实现暴力匹配算法(字符串匹配)
本文主要介绍了Python实现暴力匹配算法,其主要思想是逐个字符地比较文本串和模式串,从文本串的每个可能的起始位置开始,依次检查是否有匹配的子串,下面就来介绍一下如何实现
2023-09-09
python实现合并两个数组的方法
这篇文章主要介绍了python实现合并两个数组的方法,实例分析了两种常用的合并数组的技巧,非常简单实用,需要的朋友可以参考下
2015-05-05
python使用pil库实现图片合成实例代码
这篇文章主要介绍了python PIL实现图片合成实例代码，小编觉得还是挺不错的，具有一定借鉴价值，需要的朋友可以参考下
2018-01-01