numpy.interp

numpy.interp(x, xp, fp, left=None, right=None, period=None)

单调递增样本点的一维线性插值。

将一维分段线性插值返回给具有给定离散数据点的函数 (xp ， fp ），在 x .

参数

xarray_like

用于计算插值值的X坐标。

xp一维浮点数序列

如果参数为 period 未指定。否则， xp 在对周期边界进行规格化后，内部排序 xp = xp % period .

fp浮点数或复数的一维序列

数据点的Y坐标，与 xp .

left对应于fp的可选浮点或复数

要返回的值 x < xp[0] 默认为 fp[0] .

right对应于fp的可选浮点或复数

要返回的值 x > xp[-1] 默认为 fp[-1] .

period无或浮动，可选

X坐标的周期。此参数允许正确插入角X坐标。参数 left 和 right 如果忽略 period 指定。

1.10.0 新版功能.

返回

y浮动或复合（对应于fp）或ndarray

插值值，形状与 x .

加薪

ValueError

如果 xp 和 fp 长度不同，如果 xp 或 fp 不是一维序列，如果 period == 0

警告

x坐标序列预计会增加，但这并没有明确实施。但是，如果序列 xp 是非递增的，插值结果是无意义的。

注意，因为NaN是不可排序的， xp 也不能包含NaN。

一个简单的检查 xp 严格增长是：

np.all(np.diff(xp) > 0)

参见

scipy.interpolate

实例

>>> xp = [1, 2, 3]
>>> fp = [3, 2, 0]
>>> np.interp(2.5, xp, fp)
1.0
>>> np.interp([0, 1, 1.5, 2.72, 3.14], xp, fp)
array([3.  , 3.  , 2.5 , 0.56, 0.  ])
>>> UNDEF = -99.0
>>> np.interp(3.14, xp, fp, right=UNDEF)
-99.0

将插值绘制到正弦函数：

>>> x = np.linspace(0, 2*np.pi, 10)
>>> y = np.sin(x)
>>> xvals = np.linspace(0, 2*np.pi, 50)
>>> yinterp = np.interp(xvals, x, y)
>>> import matplotlib.pyplot as plt
>>> plt.plot(x, y, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.plot(xvals, yinterp, '-x')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.show()

周期x坐标插值：

>>> x = [-180, -170, -185, 185, -10, -5, 0, 365]
>>> xp = [190, -190, 350, -350]
>>> fp = [5, 10, 3, 4]
>>> np.interp(x, xp, fp, period=360)
array([7.5 , 5.  , 8.75, 6.25, 3.  , 3.25, 3.5 , 3.75])

复杂插值：

>>> x = [1.5, 4.0]
>>> xp = [2,3,5]
>>> fp = [1.0j, 0, 2+3j]
>>> np.interp(x, xp, fp)
array([0.+1.j , 1.+1.5j])

numpy.real_if_close 矩阵库 (numpy.matlib ）