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)

加权最小二乘双变量样条逼近。

参数:

x, y, zarray_like

数据点的 1-D 序列（顺序不重要）。

tx, tyarray_like

严格排序的 1-D 结坐标序列。

warray_like, 可选

正的 1-D 权重数组，与 x、y 和 z 的长度相同。

bbox(4,) array_like, 可选

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

kx, kyints, 可选

双变量样条的度数。默认为 3。

epsfloat, 可选

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

另请参阅

BivariateSpline

双变量样条的基类。

UnivariateSpline

用于拟合给定数据集的平滑单变量样条。

SmoothBivariateSpline

通过给定点的平滑双变量样条

RectSphereBivariateSpline

球面上矩形网格上的双变量样条

SmoothSphereBivariateSpline

球坐标系中的平滑双变量样条

LSQSphereBivariateSpline

使用加权最小二乘拟合的球坐标系中的双变量样条

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

x、y 和 z 的长度应至少为 (kx+1) * (ky+1)。

如果输入数据使得输入维度具有不相称的单位并且相差多个数量级，则插值可能会出现数值伪像。考虑在插值之前重新缩放数据。

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 分别包含样条相对于 x 变量和 y 变量的结位置。
get_residual()	返回样条逼近的平方残差的加权和：sum ((w[i]*(z[i]-s(x[i],y[i])))**2,axis=0)
integral(xa, xb, ya, yb)	评估样条在面积 [xa,xb] x [ya,yb] 上的积分。
partial_derivative(dx, dy)	构造一个新的样条，表示此样条的偏导数。