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()