scipy.interpolate.

NearestNDInterpolator#

class scipy.interpolate.NearestNDInterpolator(x, y, rescale=False, tree_options=None)[源码]#

N 维(N > 1)最近邻插值器。

参数:
x(npoints, ndims) 浮点数的 2-D ndarray

数据点坐标。

y(npoints, ) 浮点数或复数的 1-D ndarray

数据值。

rescale布尔值,可选

在执行插值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且相差多个数量级,这会很有用。

0.14.0 版中新增。

tree_options字典,可选

传递给底层 cKDTree 的选项。

0.17.0 版中新增。

方法

__call__(*args, **query_options)

在给定点评估插值器。

另请参阅

griddata

插值非结构化 D-D 数据。

LinearNDInterpolator

N 维分段线性插值器。

CloughTocher2DInterpolator

2D 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

任意维度上规则或直角网格的插值器(interpn 封装了此类别)。

注释

使用 scipy.spatial.cKDTree

注意

对于规则网格上的数据,请改用 interpn

示例

我们可以在 2D 平面上插值

>>> from scipy.interpolate import NearestNDInterpolator
>>> 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 = NearestNDInterpolator(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-NearestNDInterpolator-1.png