Gegeven twee bekende waarden (x 1<\/sub> , y 1<\/sub> ) en (x 2<\/sub> , y 2<\/sub> ), kunnen we de y-waarde voor een punt x schatten met behulp van de volgende formule:<\/span><\/p>\n y = y 1<\/sub> + (xx 1<\/sub> )(y 2<\/sub> -y 1<\/sub> )\/(x 2<\/sub> -x 1<\/sub> )<\/span><\/p>\n We kunnen de volgende basissyntaxis gebruiken om lineaire interpolatie in Python uit te voeren:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we in Python de volgende twee lijsten met waarden hebben:<\/span><\/p>\n We kunnen een snelle x versus y-plot maken:<\/span> <\/p>\n Stel nu dat we de y-waarde willen vinden die geassocieerd is met een nieuwe x-waarde van 13<\/strong> .<\/span><\/p>\n Hiervoor kunnen we de volgende code gebruiken:<\/span><\/p>\n De geschatte y-waarde blijkt 33,5<\/strong> te zijn.<\/span><\/p>\n Als we het punt (13, 33.5) aan onze grafiek toevoegen, lijkt het vrij goed overeen te komen met de functie:<\/span> <\/p>\n We kunnen deze exacte formule gebruiken om lineaire interpolatie uit te voeren voor elke nieuwe x-waarde.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende fouten in Python kunt oplossen:<\/span><\/p>\n Hoe KeyError in Panda’s te repareren<\/a> Lineaire interpolatie is het proces waarbij een onbekende waarde van een functie wordt geschat tussen twee bekende waarden. Gegeven twee bekende waarden (x 1 , y 1 ) en (x 2 , y 2 ), kunnen we de y-waarde voor een punt x schatten met behulp van de volgende formule: y = y 1 + […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2422","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n import<\/span> scipy. interpolate\n<\/span>\ny_interp = scipy. interpolate<\/span> . interp1d<\/span> (x,y)\n\n#find y-value associated with x-value of 13\n<\/span>print<\/span> (y_interp( 13<\/span> ))\n<\/strong><\/pre>\n Voorbeeld: lineaire interpolatie in Python<\/strong><\/span><\/h3>\n
x = [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]\ny = [4, 7, 11, 16, 22, 29, 38, 49, 63, 80]\n<\/strong><\/pre>\n
import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\n#create plot of x vs. y\n<\/span>plt. plot<\/span> (x, y, ' -ob<\/span> ')\n<\/span><\/span><\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/interpo1.png\")
<\/p>\n import<\/span> scipy. interpolate<\/span>\ny_interp = scipy. interpolate<\/span> . interp1d<\/span> (x,y)\n\n#find y-value associated with x-value of 13<\/span>\nprint<\/span> (y_interp( 13<\/span> ))\n\n33.5<\/strong><\/span><\/pre>\n import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\n#create plot of x vs. y\n<\/span>plt. plot<\/span> (x, y, ' -ob<\/span> ')\n\n#add estimated y-value to plot<\/span>\nplt. plot<\/span> (13, 33.5, ' ro<\/span> ')\n<\/span><\/span><\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/interpo2.png\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Oplossing: ValueError: Kan float NaN niet naar int converteren<\/a>
Oplossing: ValueError: Operanden konden niet worden uitgezonden met vormen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"