scipy.interpolate.RegularGridInterpolator¶

class scipy.interpolate.RegularGridInterpolator(points, values, method='linear', bounds_error=True, fill_value=nan)[源代码]¶

任意维正则网格上的插值

数据必须定义在规则网格上；但是网格间距可能不均匀。支持线性插值和最近邻插值。设置插补器对象后，插值方法( 线性或 最近的 )可以在每次评估时选择。

参数

points浮点数的元组，形状为(M1，)，.，(Mn，): 这些点定义了n维的规则栅格。
values类似数组，形状(M1，.，Mn，.): n维的规则网格上的数据。
method字符串，可选: 要执行的插值方法。支持“线性”和“最近”。此参数将成为对象的默认参数 __call__ 方法。默认值为“线性”。
bounds_error布尔值，可选: 如果为True，则在输入数据的域外请求内插值时，将引发ValueError。如果为false，则 fill_value 是使用的。
fill_value数字，可选: 如果提供，则为插值域外的点使用的值。如果无，则外推域之外的值。

参见

NearestNDInterpolator: N维非结构化数据的最近邻插值
LinearNDInterpolator: N维非结构化数据的分段线性插值

注意事项

与LinearNDInterpolator和NearestNDInterpolator相反，该类利用规则网格结构避免了昂贵的输入数据三角剖分。

如果有任何 points 具有大小为1的维数，则线性插值将返回 nan 价值。在这种情况下，最近邻插值将照常工作。

0.14 新版功能.

参考文献

1: Python包 正则格栅 作者：约翰尼斯·布赫纳，参见https://pypi.python.org/pypi/regulargrid/
2: 维基百科，“三线性插值”，https://en.wikipedia.org/wiki/Trilinear_interpolation
3: 书名/作者The Wiser，and Sergio E.Zarantonello。“关于多维分段线性和多线性表格插值的注记”数学课。电脑。1988年(50.181)：1891960年。https://www.ams.org/journals/mcom/1988-50-181/S0025-5718-1988-0917826-0/S0025-5718-1988-0917826-0.pdf

示例

在三维栅格点上计算一个简单的示例函数：

>>> from scipy.interpolate import RegularGridInterpolator
>>> def f(x, y, z):
...     return 2 * x**3 + 3 * y**2 - z
>>> x = np.linspace(1, 4, 11)
>>> y = np.linspace(4, 7, 22)
>>> z = np.linspace(7, 9, 33)
>>> xg, yg ,zg = np.meshgrid(x, y, z, indexing='ij', sparse=True)
>>> data = f(xg, yg, zg)

data 现在是一个3-D数组，具有 data[i,j,k] = f(x[i], y[j], z[k]) 。接下来，根据该数据定义插值函数：

>>> my_interpolating_function = RegularGridInterpolator((x, y, z), data)

计算两点处的插值函数 (x,y,z) = (2.1, 6.2, 8.3) 和 (3.3, 5.2, 7.1) ：

>>> pts = np.array([[2.1, 6.2, 8.3], [3.3, 5.2, 7.1]])
>>> my_interpolating_function(pts)
array([ 125.80469388,  146.30069388])

这确实非常接近于 [f(2.1, 6.2, 8.3), f(3.3, 5.2, 7.1)] 。

方法：

__call__ \(xi[, method] )

坐标处的插值

scipy.interpolate.interpn

scipy.interpolate.RegularGridInterpolator.__call__