python中的多个1d插值

Question

我在研究CCD阵列中的陷阱。目前我使用的是NumPy和Scipy，我已经能够将大多数的呼叫矢量化，这给了我一些加速。 目前，我的代码中的瓶颈是，我必须从代码内部循环中的大量不同插值中检索一个数字。这一步占用了97%的计算时间。在

我在这里举了一个简单的例子来说明我的问题：

import numpy as np
from scipy.interpolate import interp1d

# the CCD array containing values from 0-100
array = np.random.random(200)*100

# a number of traps at different positions in the CCD array 
n_traps = 100
trap_positions = np.random.randint(0,200,n_traps)

# xvalues for the interpolations
xval = [0,10,100]
# each trap has y values corresponding to the x values 
trap_yvals = [np.random.random(3)*100 for _ in range(n_traps)]
# The xval-to-yval interpolation is made for each trap
yval_interps = [interp1d(xval,yval) for yval in trap_yvals]

# moving the trap positions down over the array
for i in range(len(array)):
    # calculating new trap position
    new_trap_pos = trap_positions+i
    # omitting traps that are outside array
    trap_inside_array = new_trap_pos < len(array)
    # finding the array_vals (corresponding to the xvalues in the interpolations)
    array_vals = array[new_trap_pos[trap_inside_array]]

    # retrieving the interpolated y-values (this is the bottleneck)
    yvals = np.array([yval_interps[trap_inside_array[t]](array_vals[t]) 
                       for t in range(len(array_vals))])

    # some more operations using yvals

有没有一种方法可以优化，也许使用Cython或类似的方法？在

Answer 1

我仔细考虑了一下，我想我找到了一个很好的解决方案，我想和大家分享，尽管这意味着我将回答我自己的问题。在

首先，我意识到，与其使用scipy.插值函数，我可以找到两个值之间的插值。这可以用这个小函数来完成

from bisect import bisect_left

def two_value_interpolation(x,y,val):
    index = bisect_left(x,val)
    _xrange = x[index] - x[index-1]
    xdiff = val - x[index-1]
    modolo = xdiff/_xrange
    ydiff = y[index] - y[index-1]
    return y[index-1] + modolo*ydiff

这给了我一些加速，但我想看看是否可以做得更好，所以我将函数移植到Cython并在所有陷阱上添加循环，这样我就不必在python代码中这样做了：

^{pr2}$

我对不同的方法运行了一些计时（使用了一些比原问题中指出的更大的数组和更多的陷阱）：

使用原始方法，即interp1d：（最佳值3）15.1秒

使用插值edunivariatespline（k=1）代替interp1d，如@M.T:（最佳值3）7.25秒

使用双值插值函数：（最佳值为3）1.34秒

使用Cython实现两个值插值（最佳值为3）0.113秒