scipy.interpolate.LSQUnivariateSpline¶

class scipy.interpolate.LSQUnivariateSpline(x, y, t, w=None, bbox=[None, None], k=3, ext=0, check_finite=False)[源代码]¶

具有显式内部结的一维样条线。

拟合次数为y=spl(X)的样条曲线 k 至提供的 x ， y 数据。 t 指定样条曲线的内部节点

参数

x(n，)类似数组

数据点的输入维度--必须增加

y(n，)类似数组

数据点的输入维度

t(M，)类似数组

样条线的内部结。必须按升序排列，并且：

bbox[0] < t[0] < ... < t[-1] < bbox[-1]

w(n，)array_like，可选

样条曲线拟合的权重。一定是阳性的。如果为None(默认)，则权重都相等。

bbox(2，)array_like，可选

2-指定近似间隔边界的序列。如果无(默认值)， bbox = [x[0], x[-1]] 。

k整型，可选

平滑样条曲线的阶数。必须是1<= k <=5，默认为 k =3，三次样条曲线。

extint或str，可选

控制不在节点序列定义的间隔内的元素的外推模式。

如果ext=0或‘Extrapolate’，则返回外推值。
如果ext=1或‘零’，则返回0
如果ext=2或‘RAISE’，则引发ValueError
如果ext=3 of‘const’，则返回边界值。

默认值为0。

check_finite布尔值，可选

是否检查输入数组是否仅包含有限数字。禁用可能会提高性能，但如果输入确实包含无穷大或NAN，则可能会导致问题(崩溃、非终止或无意义的结果)。默认值为False。

加薪

ValueError: 如果内部节点不满足勋伯格-惠特尼条件

参见

UnivariateSpline: 一种光滑的单变量样条，用于拟合给定的数据点集合。
InterpolatedUnivariateSpline: 一组给定数据点的一元插值样条。
splrep: 求一维曲线B样条表示的函数
splev: 求B样条或其导数的函数
sproot: 三次B样条的求根函数
splint: 求两点间B样条定积分的一个函数
spalde: 求B样条所有导数的一个函数

注意事项

数据点的数量必须大于样条阶数 k 。

打结 t 必须满足勋伯格-惠特尼条件，即必须存在数据点的子集 x[j] 这样一来， t[j] < x[j] < t[j+k+1] ，用于 j=0, 1,...,n-k-2 。

示例

>>> from scipy.interpolate import LSQUnivariateSpline, UnivariateSpline
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> x = np.linspace(-3, 3, 50)
>>> y = np.exp(-x**2) + 0.1 * rng.standard_normal(50)

使用预定义的内部结拟合平滑样条线：

>>> t = [-1, 0, 1]
>>> spl = LSQUnivariateSpline(x, y, t)

>>> xs = np.linspace(-3, 3, 1000)
>>> plt.plot(x, y, 'ro', ms=5)
>>> plt.plot(xs, spl(xs), 'g-', lw=3)
>>> plt.show()

../../_images/scipy-interpolate-LSQUnivariateSpline-1_00_00.png

检查结向量：

>>> spl.get_knots()
array([-3., -1., 0., 1., 3.])

使用来自另一样条线的结构建LSQ样条线：

>>> x = np.arange(10)
>>> s = UnivariateSpline(x, x, s=0)
>>> s.get_knots()
array([ 0.,  2.,  3.,  4.,  5.,  6.,  7.,  9.])
>>> knt = s.get_knots()
>>> s1 = LSQUnivariateSpline(x, x, knt[1:-1])    # Chop 1st and last knot
>>> s1.get_knots()
array([ 0.,  2.,  3.,  4.,  5.,  6.,  7.,  9.])

方法：

`__call__` \(X[, nu, ext] )	计算位置x处的样条线(或其第n阶导数)。
`antiderivative` \([n] )	构造一个表示该样条的逆导数的新样条。
`derivative` \([n] )	构造一个表示该样条的导数的新样条。
`derivatives` \(X)	返回点x处样条的所有导数。
`get_coeffs` \()	返回样条系数。
`get_knots` \()	返回样条线内部节点的位置。
`get_residual` \()	返回样条近似残差平方的加权和。
`integral` \(a，b)	返回两个给定点之间样条的定积分。
`roots` \()	返回样条曲线的零。
`set_smoothing_factor` \(s)	使用给定的平滑因子s和上次调用时找到的节点继续样条曲线计算。

validate_input

scipy.interpolate.InterpolatedUnivariateSpline.set_smoothing_factor

scipy.interpolate.LSQUnivariateSpline.__call__