scipy.interpolate.
LinearNDInterpolator#
- class scipy.interpolate.LinearNDInterpolator(points, values, fill_value=np.nan, rescale=False)#
N > 1 维分段线性插值器。
在版本 0.9 中添加。
- 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, …),可选
N 维数据值数组,位于 points 处。沿第一个轴的 values 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,则默认为
nan
。- 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并且相差多个数量级,这将非常有用。
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。
NearestNDInterpolator
N 维最近邻插值器。
CloughTocher2DInterpolator
二维分段三次、C1 光滑、曲率最小化插值器。
interpn
在规则网格或直角网格上插值。
RegularGridInterpolator
在任意维度上规则或直角网格上的插值器 (
interpn
封装了这个类)。
备注
插值器是通过使用 Qhull [1] 对输入数据进行三角剖分构建的,并在每个三角形上执行线性重心插值。
注意
对于规则网格上的数据,请改用
interpn
。参考文献
示例
我们可以在二维平面上插值
>>> from scipy.interpolate import LinearNDInterpolator >>> 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 = LinearNDInterpolator(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() >>> plt.colorbar() >>> plt.axis("equal") >>> plt.show()