2

Interpolation with Radial Basis Function

Unsolved
Data Wrangling

Difficulty: 2 | Problem written by Mr. Umair
The Radial Basis Function (RBF) is used for high order unstructured data. 

Given a dataset of highly volatile points, your program will interpolate following xAxis and yAxis using the RBF and find values for 2.1, 2.2 ... 2.9 by using scipy.interpolate module.

Input:

xAxis (Time) =  [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

yAxis  (stock data) =  [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

values= [2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9]

Output:

result= [5.192301561478554, 5.386931448583695, 5.58394431915073, 5.783145618400813, 5.984167254355487, 6.186541866914908, 6.389766787481696, 6.593355817498477, 6.796880271933929]

Sample Input:
<class 'list'>
xAxis: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
yAxis: [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
values: [2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9]

Expected Output:
<class 'list'>
[5.192301561478554, 5.386931448583695, 5.58394431915073, 5.783145618400813, 5.984167254355487, 6.186541866914908, 6.389766787481696, 6.593355817498477, 6.796880271933929]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Aliquam ullam esse enim officia consequuntur in aspernatur, provident veniam vel distinctio, quia ab sint dolores quod culpa voluptas vel sed provident porro, nesciunt dicta magni quas, non ab nam? Harum unde natus, ipsam aliquam voluptatum sed maiores rerum sunt vel. Voluptatibus eligendi corporis suscipit alias eaque atque sint, eius eum magni cumque quas repellat dignissimos commodi obcaecati distinctio, quis facilis sapiente alias repellendus provident ipsum ab ratione et, voluptatem eius deserunt iure ullam nam voluptates, culpa ad esse consequuntur reprehenderit enim neque nulla nihil harum blanditiis facere? Ad suscipit incidunt perferendis maiores explicabo, facere autem laboriosam tempore fugiat incidunt id, voluptatibus illum alias repellat minus atque fuga odit fugiat numquam autem, nulla rerum velit esse vitae perferendis iure earum veritatis non dolore, quisquam minus omnis.

Deserunt error quisquam consectetur minima neque vitae reprehenderit mollitia molestias, provident error quam quia non corporis cum ad. Ipsa sapiente sunt, debitis enim iste possimus.

Adipisci iure facere molestiae reiciendis id dolorum veniam eum quam, amet repellat suscipit. Iusto molestiae reprehenderit totam ipsum sequi ratione excepturi, modi odit nulla repellendus voluptatum nihil architecto rem ab accusantium provident, voluptates magni totam enim accusamus voluptatibus.

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)