插值 (`scipy.interpolate`)#

SciPy 中有几个可用于 1、2 和更高维数据插值和平滑处理的通用工具。选择特定的插值例程取决于数据：数据是一维的、给定在结构化网格上还是非结构化的。另一个因素是插值器的所需平滑度。简而言之，推荐用于插值的例程可总结如下

	类型	例程	连续性	注释
1D	线性	`numpy.interp`	分段连续	来自 numpy
	三次样条	`CubicSpline`	二阶导数
	单调三次样条	`PchipInterpolator`	一阶导数	非超调
	非三次样条	`make_interp_spline`	(k-1) 阶导数	`k=3` 等效于 `CubicSpline`
	最近邻	`interp1d`		kind=’nearest’, ‘previous’, ‘next’
N-D 曲线	最近邻、线性、样条	`make_interp_spline`	(k-1) 阶导数	使用 N 维 y 数组
N-D 规则（直线）网格	最近邻	`RegularGridInterpolator`		method=’nearest’
	线性			method=’linear’
	样条		二阶导数	method=’cubic’, ‘quintic’
	单调样条		一阶导数	method=’pchip’
N-D 散点	最近邻	`NearestNDInterpolator`		别名：`griddata`
	线性	`LinearNDInterpolator`
	三次（仅 2D）	`CloughTocher2DInterpolator`	一阶导数
	径向基函数	`RBFInterpolator`

对于数据平滑，提供了基于 FORTRAN 库 FITPACK 的使用三次样条对 1 和 2 维数据进行平滑的函数。

此外，还提供了使用径向基函数和多个核进行插值/平滑的例程。

更多详细信息在以下链接中给出。