Interpolação de dados

Em matemática, a interpolação é um método que permite construir um novo conjunto de dados a partir de um conjunto discreto de dados pontuais previamente conhecidos. É muito usado para descobrir os valores entre números já conhecidos, o que permite desenhar mapas mais detalhados ou aumentar o número de dados em uma amostra. Para obter essa continuidade, pode-se construir uma função que aproximadamente se “encaixe” nestes dados pontuais.

Exemplo de interpolação no python usando SciPy
Exemplo de interpolação no python usando SciPy

No python, os pacotes numpy e SciPy possuem métodos de interpolação (interp e interpolate, respectivamente). Veja esse exemplo prático para aumentar uma série de 10 para 50 amostras (fonte: stackoverflow):

A primeira parte visa fixar uma semente (opcional) e então gerar um vetor com valores 10 valores randômicos (eixo y) e uma sequência numérica com o mesmo tamanho do primeiro vetor (eixo y). Na segunda parte, são criados dois vetores: um novo eixo x, com o tamanho definido na variável “new_length”, e um novo eixo y interpolado usando os vetores dos eixos x e y originais, com base no novo eixo x. Por fim, são plotadas as duas curvas.

Foi usada a interpolação cúbica, que é muito versátil para vários tipos de problemas, mas existem outros tipos: ‘linear’, ‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘previous’, ‘next’, where ‘zero’, ‘slinear’, ‘quadratic’ e ‘cubic’.