scipy.interpolate.Rbf¶

class scipy.interpolate.Rbf(*args, **kwargs)[源代码]¶

从N维散乱数据到M-D域函数的径向基函数插值类。

注解

Rbf 是遗留代码，新用法请使用 RBFInterpolator 取而代之的是。

参数

*args阵列

x，y，z，.，d，其中x，y，z，.是节点的坐标，d是节点处的值数组

function字符串或可调用，可选

径向基函数，基于范数给定的半径r(默认值为欧几里得距离)；默认值为‘multiquric’：

'multiquadric': sqrt((r/self.epsilon)**2 + 1)
'inverse': 1.0/sqrt((r/self.epsilon)**2 + 1)
'gaussian': exp(-(r/self.epsilon)**2)
'linear': r
'cubic': r**3
'quintic': r**5
'thin_plate': r**2 * log(r)

如果可调用，则它必须接受2个参数(self，r)。epsilon参数将作为self.epsilon提供。传入的其他关键字参数也将可用。

epsilon浮动，可选

高斯或多二次曲面函数的可调整常数-默认为近似节点之间的平均距离(这是一个很好的开始)。

smooth浮动，可选

大于零的值会增加近似的平滑度。0表示插值(默认)，在这种情况下，函数将始终通过节点。

norm字符串，可调用，可选

返回两点之间的“距离”的函数，输入为位置数组(x，y，z，.)，输出为距离数组。例如，缺省值：‘欧几里得’，这样结果就是从中的每个点到的距离的矩阵 x1 到…的每一点 x2 。有关更多选项，请参阅的文档 scipy.spatial.distances.cdist 。

mode字符串，可选

插值模式，可以是‘1-D’(默认值)或‘N-D’。当它是“1-D”时，数据 d 将被视为一维，并在内部展平。当它是‘N-D’时，数据 d 假设是形状数组(n_sample，m)，其中m是目标域的维度。

参见

RBFInterpolator

示例

>>> from scipy.interpolate import Rbf
>>> rng = np.random.default_rng()
>>> x, y, z, d = rng.random((4, 50))
>>> rbfi = Rbf(x, y, z, d)  # radial basis function interpolator instance
>>> xi = yi = zi = np.linspace(0, 1, 20)
>>> di = rbfi(xi, yi, zi)   # interpolated values
>>> di.shape
(20,)

属性

N集成: 数据点的数量(由输入数组确定)。
dindarray: 每个数据坐标处的数据值的一维阵列 xi 。
xindarray: 数据坐标的二维数组。
function字符串或可调用: 径向基函数。请参见参数下的说明。
epsilon浮动: 高斯或多二次曲面函数使用的参数。请参见参数。
smooth浮动: 平滑参数。请参见参数下的说明。
norm字符串或可调用: 距离函数。请参见参数下的说明。
mode应力: 插值的模式。请参见参数下的说明。
nodesndarray: 用于插值的节点值的一维数组。
A内部属性，请不要使用

方法：

__call__ \(*参数)

将Self作为函数调用。

scipy.interpolate.RBFInterpolator.__call__

scipy.interpolate.Rbf.__call__