CloughTocher2DInterpolator#
- class scipy.interpolate.CloughTocher2DInterpolator(points, values, fill_value=nan, tol=1e-06, maxiter=400, rescale=False)#
N=2 维分段三次、C1 光滑、曲率最小化插值器。
0.9 版本新增。
- 参数:
- points浮点型 ndarray,形状为 (npoints, ndims);或 Delaunay
数据点坐标的二维数组,或预计算的 Delaunay 三角剖分。
- values浮点型或复数型 ndarray,形状为 (npoints, …)
在 points 处的数据值的 N 维数组。values 沿第一个轴的长度必须等于 points 的长度。与某些插值器不同,插值轴不能更改。
- fill_value浮点型,可选
用于填充输入点凸包外部请求点的值。如果未提供,则默认值为
nan
。- tol浮点型,可选
梯度估计的绝对/相对容差。
- maxiter整型,可选
梯度估计中的最大迭代次数。
- rescale布尔型,可选
在执行插值之前将点重新缩放到单位立方体。如果某些输入维度具有不可通约的单位且相差多个数量级,则此功能很有用。
方法
__call__
(xi)在给定点评估插值器。
另请参阅
griddata
插值非结构化 D-D 数据。
LinearNDInterpolator
N > 1 维分段线性插值器。
NearestNDInterpolator
N > 1 维最近邻插值器。
interpn
在规则网格或直线网格上的插值。
RegularGridInterpolator
任意维度上的规则网格或直线网格插值器(
interpn
封装了此类)。
注释
插值器通过 Qhull [1] 对输入数据进行三角剖分,并在每个三角形上使用 Clough-Tocher 方案 [CT] 构建分段三次插值 Bezier 多项式。插值器保证是连续可微的。
插值器的梯度选择使得插值曲面的曲率近似最小化。实现此目的所需的梯度使用 [Nielson83] 和 [Renka84] 中描述的全局算法进行估计。
注意
对于规则网格上的数据,请改用
interpn
。参考文献
[CT]See, for example, P. Alfeld, ‘’A trivariate Clough-Tocher scheme for tetrahedral data’’. Computer Aided Geometric Design, 1, 169 (1984); G. Farin, ‘’Triangular Bernstein-Bezier patches’’. Computer Aided Geometric Design, 3, 83 (1986).
[Nielson83]G. Nielson, ‘’A method for interpolating scattered data based upon a minimum norm network’’. Math. Comp., 40, 253 (1983).
[Renka84]R. J. Renka and A. K. Cline. ‘’A Triangle-based C1 interpolation method.’’, Rocky Mountain J. Math., 14, 223 (1984).
示例
我们可以在二维平面上插值。
>>> from scipy.interpolate import CloughTocher2DInterpolator >>> import numpy as np >>> import matplotlib.pyplot as plt >>> rng = np.random.default_rng() >>> x = rng.random(10) - 0.5 >>> y = rng.random(10) - 0.5 >>> z = np.hypot(x, y) >>> X = np.linspace(min(x), max(x)) >>> Y = np.linspace(min(y), max(y)) >>> X, Y = np.meshgrid(X, Y) # 2D grid for interpolation >>> interp = CloughTocher2DInterpolator(list(zip(x, y)), z) >>> Z = interp(X, Y) >>> plt.pcolormesh(X, Y, Z, shading='auto') >>> plt.plot(x, y, "ok", label="input point") >>> plt.legend(loc="upper right") >>> plt.colorbar() >>> plt.axis("equal") >>> plt.show()