scipy.interpolate.

LSQBivariateSpline#

class scipy.interpolate.LSQBivariateSpline(x, y, z, tx, ty, w=None, bbox=[None, None, None, None], kx=3, ky=3, eps=None)[source]#

加权最小二乘双变量样条近似。

参数:
x, y, zarray_like

数据点的1维序列(顺序不重要)。

tx, tyarray_like

严格有序的1维节点坐标序列。

warray_like, 可选

正向1维权重数组,其长度与 xyz 相同。

bbox(4,) array_like, 可选

长度为4的序列,指定矩形近似域的边界。默认情况下,bbox=[min(x,tx),max(x,tx), min(y,ty),max(y,ty)]

kx, ky整数, 可选

双变量样条的阶数。默认值为3。

eps浮点数, 可选

用于确定超定线性方程组有效秩的阈值。eps 的值应在开区间 (0, 1) 内,默认值为 1e-16。

方法

__call__(x, y[, dx, dy, grid])

在给定位置评估样条或其导数。

ev(xi, yi[, dx, dy])

在点处评估样条

get_coeffs()

返回样条系数。

get_knots()

返回一个元组 (tx,ty),其中 tx,ty 分别包含样条关于 x 变量和 y 变量的节点位置。

get_residual()

返回样条近似的加权平方残差和: sum ((w[i]*(z[i]-s(x[i],y[i])))**2,axis=0)

integral(xa, xb, ya, yb)

评估样条在区域 [xa,xb] x [ya,yb] 上的积分。

partial_derivative(dx, dy)

构建一个表示此样条偏导数的新样条。

另请参阅

BivariateSpline

双变量样条的基类。

UnivariateSpline

用于拟合给定数据点的平滑单变量样条。

SmoothBivariateSpline

通过给定点的平滑双变量样条

RectSphereBivariateSpline

球体上矩形网格上的双变量样条

SmoothSphereBivariateSpline

球坐标中的平滑双变量样条

LSQSphereBivariateSpline

使用加权最小二乘拟合的球坐标双变量样条

RectBivariateSpline

矩形网格上的双变量样条。

bisplrep

用于查找曲面的双变量B样条表示的函数

bisplev

用于评估双变量B样条及其导数的函数

说明

xyz 的长度应至少为 (kx+1) * (ky+1)

如果输入数据的维度单位不匹配且数量级差异很大,则插值器可能会出现数值误差。请考虑在插值前重新调整数据。