python - 使用 numpy 提高阶跃函数的分辨率

Question

我有一个由 delta 函数(0 或 1)组成的数组。我使用此函数通过应用前向填充算法来生成阶跃函数数组。这个数组是我进行某项操作所需的数组。

此图显示增量和阶跃数组:

但是，我需要增加该数组的分辨率才能执行该操作。但是，我不能直接应用像 numpy.interp 这样的东西

这扭曲了原来的功能。

因此我的问题是哪种是提高阶跃函数分辨率的有效(和Pythonic方式)？

这是一个示例脚本:

import matplotlib.pyplot as plt
import numpy as np

def forward_filling(arr):
    idx=np.where(arr==0,0,np.arange(len(arr)))    
    idx=np.maximum.accumulate(idx)    
    return arr[idx]

fig, axis = plt.subplots(1, 1)  

x_array = np.arange(0, 15)
y_delta = np.zeros(len(x_array))
y_delta[3], y_delta[7], y_delta[13] = 1, 2, 3
step_function = forward_filling(y_delta)

axis.plot(x_array, y_delta, label='delta function', marker='o')
axis.plot(x_array, step_function, label='step function')

x_high_resolution = np.linspace(0, 15, 30)

delta_interpolated  = np.interp(x_high_resolution, x_array, y_delta)
step_interpolated   = np.interp(x_high_resolution, x_array, step_function)

axis.plot(x_high_resolution, delta_interpolated, label='delta function high resolution', marker='o')
axis.plot(x_high_resolution, step_interpolated, label='step function high resolution')

axis.legend()

axis.set_xlabel('x')
axis.set_ylabel('y')

plt.show()

Answer 1

正如我想的那样，您希望将 y 值保留在每个给定 y 值的邻域中，您可以使用列表理解“替换”每个 y 值，例如 3 个相同值:

step_function_hi_res = np.array([np.repeat(step,3) for step in step_function]).flatten()

然后像您已经做的那样对 x 值进行更改:

x_high_resolution = np.linspace(0, len(step_function),len(step_function)*3)