scipy.interpolate.LSQSphereBivariateSpline.

ev

LSQSphereBivariateSpline.ev(theta, phi, dtheta=0, dphi=0)

在点处评估样条

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

参数:

theta, phiarray_like

输入坐标。遵循标准 Numpy 广播。轴的排序与 np.meshgrid(…, indexing=”ij”) 一致，与默认排序 np.meshgrid(…, indexing=”xy”) 不一致。

dthetaint, 可选

theta 导数的阶数

在版本 0.14.0 中添加。

dphiint, 可选

phi 导数的阶数

在版本 0.14.0 中添加。

示例

在您的浏览器中尝试！

假设我们想使用样条来插值球面上的二元函数。该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” 将导致插值后出现意外的（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来评估不在原始网格上的点的函数。

>>> rsbs = RectSphereBivariateSpline(thetaarr, phiarr, zdata)
>>> thetainterp = np.linspace(thetaarr[0], thetaarr[-1], 200)
>>> phiinterp = np.linspace(phiarr[0], phiarr[-1], 200)
>>> zinterp = rsbs.ev(thetainterp, phiinterp)

最后，我们绘制初始网格的对角切片上的原始数据以及相同切片上的样条近似。

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(1, 1, 1)
>>> ax1.plot(np.sin(thetaarr) * np.sin(phiarr), np.diag(zdata), "or")
>>> ax1.plot(np.sin(thetainterp) * np.sin(phiinterp), zinterp, "-b")
>>> plt.show()

返回在新标签页中打开