numpy.
interp
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 .
用于计算插值值的X坐标。
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 .
xp = xp % period
数据点的Y坐标,与 xp .
要返回的值 x < xp[0] 默认为 fp[0] .
要返回的值 x > xp[-1] 默认为 fp[-1] .
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.
插值值,形状与 x .
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.matlib