scipy.interpolate.

Rbf#

类 scipy.interpolate.Rbf(*args, **kwargs)[源代码]#

一个类，用于对 N-D 散布数据到 M-D 域的函数采用径向基函数插值。

传统

该类被视为传统，将不再接收更新。这也意味着它将在未来的 SciPy 版本中被删除。 Rbf 是传统代码，如需新用法，请改用 RBFInterpolator。

参数:

*args数组

x、y、z、…、d，x、y、z、… 是节点的坐标，d 是节点上的值数组

functionstr 或可调用对象，可选

径向基函数（基于规范计算的半径 r）；默认值为“multiquadric”

'multiquadric': sqrt((r/self.epsilon)**2 + 1)
'inverse': 1.0/sqrt((r/self.epsilon)**2 + 1)
'gaussian': exp(-(r/self.epsilon)**2)
'linear': r
'cubic': r**3
'quintic': r**5
'thin_plate': r**2 * log(r)

如果是可调用对象，则它必须采用 2 个参数 (self, r)。epsilon 参数将作为 self.epsilon 提供。传入的其他关键字参数也将被提供。

epsilonfloat，可选

高斯函数或多二次函数的可调常量 - 默认为节点之间的近似平均距离（是一个好的开始）。

smoothfloat，可选

大于零的值增加逼近的平滑度。0 用于插值（默认），在这种情况下，函数将始终通过节点点。

normstr，可调用，可选

返回两点之间的“距离”的函数，输入为位置数组 (x, y, z, ...)，输出为距离数组。例如，默认值：“欧几里得”，结果是从 x1 中的每个点到 x2 中的每个点的距离矩阵。有关更多选项，请参见 scipy.spatial.distances.cdist 的文档。

modestr，可选

插值的模式，可以是 "1-D"（默认）或 "N-D"。当模式为 "1-D" 时，数据 d 将被视为 1 维并进行内部扁平化。当模式为 "N-D" 时，数据 d 被假定为形状为 (n_samples, m) 的数组，其中 m 为目标域的维度。

另请参见

RBFInterpolator

示例

>>> import numpy as np
>>> from scipy.interpolate import Rbf
>>> rng = np.random.default_rng()
>>> x, y, z, d = rng.random((4, 50))
>>> rbfi = Rbf(x, y, z, d)  # radial basis function interpolator instance
>>> xi = yi = zi = np.linspace(0, 1, 20)
>>> di = rbfi(xi, yi, zi)   # interpolated values
>>> di.shape
(20,)

属性:

Nint: 数据点的数量（由输入数组确定）。
dindarray: 每个数据坐标 xi 中的数据值的一维数组。
xindarray: 数据坐标的二维数组。
functionstr 或可调用: 径向基函数。请参见“参数”下的描述。
epsilonfloat: 高斯函数或多重二次函数使用的参数。请参见“参数”。
smoothfloat: 平滑参数。请参见“参数”下的描述。
normstr 或可调用: 距离函数。请参见“参数”下的描述。
modestr: 插值的模式。请参见“参数”下的描述。
nodesndarray: 插值的一个一维节点值数组。
A内部属性，请勿使用

方法

__call__(*args)

将 self 作为函数调用。