scipy.interpolate.PPoly.

from_spline#

classmethod PPoly.from_spline(tck, extrapolate=None)[源代码]#

从样条曲线构造分段多项式

参数:

tck: 一个样条曲线，由 splrep 或 BSpline 对象返回。
extrapolatebool 或 ‘periodic’，可选: 如果为 bool，则确定是否基于第一个和最后一个间隔外推超出范围的点，或者返回 NaN。如果为 ‘periodic’，则使用周期性外推。默认为 True。

示例

构造一个插值样条并将其转换为 PPoly 实例

>>> import numpy as np
>>> from scipy.interpolate import splrep, PPoly
>>> x = np.linspace(0, 1, 11)
>>> y = np.sin(2*np.pi*x)
>>> tck = splrep(x, y, s=0)
>>> p = PPoly.from_spline(tck)
>>> isinstance(p, PPoly)
True

请注意，此函数仅开箱即用地支持 1D 样条。

如果 tck 对象表示参数样条（例如，由 splprep 或 BSpline 且 c.ndim > 1 构造），则你需要手动遍历维度。

>>> from scipy.interpolate import splprep, splev
>>> t = np.linspace(0, 1, 11)
>>> x = np.sin(2*np.pi*t)
>>> y = np.cos(2*np.pi*t)
>>> (t, c, k), u = splprep([x, y], s=0)

请注意，c 是两个长度为 11 的数组的列表。

>>> unew = np.arange(0, 1.01, 0.01)
>>> out = splev(unew, (t, c, k))

要将此样条转换为幂基，我们将 b 样条系数列表 c 的每个分量转换为相应的立方多项式。

>>> polys = [PPoly.from_spline((t, cj, k)) for cj in c]
>>> polys[0].c.shape
(4, 14)

请注意，多项式 polys 的系数位于幂基中，它们的维度也反映了这一点：这里 4 是阶数（度数 + 1），14 是间隔数，这不过是原始 tck 的节点数组长度减一。

或者，我们可以将这些分量沿着第三维堆叠到单个 PPoly 中

>>> cc = np.dstack([p.c for p in polys])    # has shape = (4, 14, 2)
>>> poly = PPoly(cc, polys[0].x)
>>> np.allclose(poly(unew).T,     # note the transpose to match `splev`
...             out, atol=1e-15)
True