scipy.interpolate.LSQSphereBivariateSpline.

__call__

LSQSphereBivariateSpline.__call__(theta, phi, dtheta=0, dphi=0, grid=True)

在给定位置评估样条曲线或其导数。

参数：

theta, phiarray_like

输入坐标。

如果grid为False，则在点(theta[i], phi[i]), i=0, ..., len(x)-1处评估样条曲线。 遵守标准 Numpy 广播。

如果grid为True：在由坐标数组 theta、phi 定义的网格点处评估样条曲线。 数组必须按升序排序。 轴的顺序与np.meshgrid(..., indexing="ij")一致，与默认顺序np.meshgrid(..., indexing="xy")不一致。

dthetaint, optional

theta 导数的阶数

在版本 0.14.0 中添加。

dphiint

phi 导数的阶数

在版本 0.14.0 中添加。

gridbool

是否在由输入数组跨越的网格上评估结果，或者在由输入数组指定的点处评估结果。

在版本 0.14.0 中添加。

例子

在您的浏览器中尝试一下！

假设我们要使用样条曲线在球体上插值一个二元函数。 函数的值在经度和余纬度的网格上是已知的。

>>> import numpy as np
>>> from scipy.interpolate import RectSphereBivariateSpline
>>> def f(theta, phi):
...     return np.sin(theta) * np.cos(phi)

我们在网格上评估函数。 请注意，meshgrid 的默认 indexing=”xy” 将在插值后导致意外（转置）结果。

>>> thetaarr = np.linspace(0, np.pi, 22)[1:-1]
>>> phiarr = np.linspace(0, 2 * np.pi, 21)[:-1]
>>> thetagrid, phigrid = np.meshgrid(thetaarr, phiarr, indexing="ij")
>>> zdata = f(thetagrid, phigrid)

接下来，我们设置插值器并使用它在更精细的网格上评估函数。

>>> rsbs = RectSphereBivariateSpline(thetaarr, phiarr, zdata)
>>> thetaarr_fine = np.linspace(0, np.pi, 200)
>>> phiarr_fine = np.linspace(0, 2 * np.pi, 200)
>>> zdata_fine = rsbs(thetaarr_fine, phiarr_fine)

最后，我们将粗略采样的输入数据与精细采样的插值数据一起绘制，以检查它们是否一致。

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(1, 2, 1)
>>> ax2 = fig.add_subplot(1, 2, 2)
>>> ax1.imshow(zdata)
>>> ax2.imshow(zdata_fine)
>>> plt.show()

返回在新标签页中打开