Ctrl+K
scipy.interpolate.

LinearNDInterpolator#

class scipy.interpolate.LinearNDInterpolator(points, values, fill_value=np.nan, rescale=False)#

N > 1 维的分段线性插值器。

在 0.9 版本中添加。

参数:
points浮点数的 ndarray，形状为 (npoints, ndims)；或 Delaunay

数据点坐标的二维数组，或预先计算的 Delaunay 三角剖分。

values浮点数或复数的 ndarray，形状为 (npoints, …)，可选

在 points 处的数据值的 N 维数组。values 沿第一轴的长度必须等于 points 的长度。与某些插值器不同，插值轴不能更改。

fill_value浮点数，可选

用于填充请求的点在输入点的凸包之外的值。如果未提供，则默认值为 nan。

rescale布尔值，可选

在执行插值之前将点缩放到单位立方体。如果某些输入维度的单位不可通约且相差许多数量级，则这很有用。

另请参阅

griddata

插值非结构化的 D-D 数据。

NearestNDInterpolator

N 维中的最近邻插值器。

CloughTocher2DInterpolator

二维中的分段三次、C1 光滑、曲率最小化插值器。

interpn

在规则网格或直线网格上的插值。

RegularGridInterpolator

任意维度的规则或直线网格上的插值器（interpn 包装了此类）。

注释

插值是通过使用 Qhull [1] 对输入数据进行三角剖分来构建的，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 2D 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()
../../_images/scipy-interpolate-LinearNDInterpolator-1.png

方法

__call__(xi)

在给定点评估插值器。
在此页面