scipy.interpolate.griddata¶
- scipy.interpolate.griddata(points, values, xi, method='linear', fill_value=nan, rescale=False)[源代码]¶
对非结构化的D-D数据进行插值。
- 参数
- points形状为(n,D)的二维ndarray,或形状为(n,)的长度为D的一维ndarray元组。
数据点坐标。
- values浮点或复线,形状(n,)
数据值。
- xi具有形状(m,D)或长度为D的可广播到相同形状的ndarray元组的二维ndarray。
要插值数据的点。
- method{‘线性’,‘最近’,‘立方’},可选
插值法。其中之一
nearest
返回距离插值点最近的数据点的值。看见
NearestNDInterpolator
了解更多详细信息。linear
将输入点设置细分为N维简化,并在每个单纯形上进行线性插值。看见
LinearNDInterpolator
了解更多详细信息。cubic
(一维)返回由三次样条确定的值。
cubic
(2-D)返回从分段三次、连续可微(C1)且近似曲率最小化的多项式曲面确定的值。看见
CloughTocher2DInterpolator
了解更多详细信息。
- fill_value浮动,可选
用于填充输入点凸包外部的请求点的值。如果未提供,则默认值为
nan
。此选项对“最近”方法无效。- rescale布尔值,可选
在执行插值之前,重缩放指向单位立方体。如果某些输入尺寸具有不可公度的单位,并且相差许多量级,则此选项非常有用。
0.14.0 新版功能.
- 退货
- ndarray
插值数组。
参见
LinearNDInterpolator
N维分段线性插值。
NearestNDInterpolator
N维最近邻插值。
CloughTocher2DInterpolator
分段三次,C1光滑,2D中曲率最小化插值。
注意事项
0.9 新版功能.
示例
假设我们要对二维函数进行插值
>>> def func(x, y): ... return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2
在中的栅格上 [0, 1] X [0, 1]
>>> grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j]
但我们只知道它在1000个数据点的值:
>>> rng = np.random.default_rng() >>> points = rng.random((1000, 2)) >>> values = func(points[:,0], points[:,1])
这可以通过以下方式完成
griddata
--下面我们将尝试所有的插值方法:>>> from scipy.interpolate import griddata >>> grid_z0 = griddata(points, values, (grid_x, grid_y), method='nearest') >>> grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear') >>> grid_z2 = griddata(points, values, (grid_x, grid_y), method='cubic')
可以看到,所有方法都在一定程度上重现了准确的结果,但对于此光滑函数,分段三次插值提供了最好的结果:
>>> import matplotlib.pyplot as plt >>> plt.subplot(221) >>> plt.imshow(func(grid_x, grid_y).T, extent=(0,1,0,1), origin='lower') >>> plt.plot(points[:,0], points[:,1], 'k.', ms=1) >>> plt.title('Original') >>> plt.subplot(222) >>> plt.imshow(grid_z0.T, extent=(0,1,0,1), origin='lower') >>> plt.title('Nearest') >>> plt.subplot(223) >>> plt.imshow(grid_z1.T, extent=(0,1,0,1), origin='lower') >>> plt.title('Linear') >>> plt.subplot(224) >>> plt.imshow(grid_z2.T, extent=(0,1,0,1), origin='lower') >>> plt.title('Cubic') >>> plt.gcf().set_size_inches(6, 6) >>> plt.show()