scipy.interpolate.BivariateSpline.

ev

BivariateSpline.ev(xi, yi, dx=0, dy=0)

在点上评估样条曲线

返回在(xi[i], yi[i]), i=0,...,len(xi)-1处的插值值。

参数:

xi, yiarray_like

输入坐标。遵循标准 NumPy 广播。轴的顺序与np.meshgrid(..., indexing="ij")一致，与默认顺序np.meshgrid(..., indexing="xy")不一致。

dxint, 可选

x 导数的阶数

在版本 0.14.0 中添加。

dyint, 可选

y 导数的阶数

在版本 0.14.0 中添加。

示例

在你的浏览器中尝试一下！

假设我们要对二维指数衰减函数进行双线性插值。

>>> import numpy as np
>>> from scipy.interpolate import RectBivariateSpline
>>> def f(x, y):
...     return np.exp(-np.sqrt((x / 2) ** 2 + y**2))

我们在粗网格上对函数进行采样并设置插值器。请注意，meshgrid 的默认 indexing="xy" 将导致插值后出现意外（转置）结果。

>>> xarr = np.linspace(-3, 3, 21)
>>> yarr = np.linspace(-3, 3, 21)
>>> xgrid, ygrid = np.meshgrid(xarr, yarr, indexing="ij")
>>> zdata = f(xgrid, ygrid)
>>> rbs = RectBivariateSpline(xarr, yarr, zdata, kx=1, ky=1)

接下来，我们使用插值方法在穿过坐标空间的对角线切片上更细的网格上对函数进行采样。

>>> xinterp = np.linspace(-3, 3, 201)
>>> yinterp = np.linspace(3, -3, 201)
>>> zinterp = rbs.ev(xinterp, yinterp)

并检查插值是否作为切片上距离原点的函数穿过函数评估值。

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(1, 1, 1)
>>> ax1.plot(np.sqrt(xarr**2 + yarr**2), np.diag(zdata), "or")
>>> ax1.plot(np.sqrt(xinterp**2 + yinterp**2), zinterp, "-b")
>>> plt.show()

返回在新标签页中打开