scipy.interpolate.

Rbf#

class scipy.interpolate.Rbf(*args, **kwargs)[源]#

用于从 N 维散点数据到 M 维域的径向基函数插值的类（旧版）。

旧版

此类别被视为旧版，将不再接收更新。虽然我们目前没有计划将其移除，但我们建议新代码改用更现代的替代方案。Rbf 是旧版代码，新用法请改用 RBFInterpolator。

参数:

*args数组

x, y, z, …, d，其中 x, y, z, … 是节点坐标，d 是节点处的值数组

functionstr 或可调用对象，可选

径向基函数，基于范数（默认是欧几里得距离）给出的半径 r；默认是 '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)

如果可调用，则它必须接受 2 个参数 (self, r)。epsilon 参数将作为 self.epsilon 可用。传入的其他关键字参数也将可用。

epsilon浮点数，可选

高斯函数或多二次函数的可调常数 - 默认为节点之间的近似平均距离（这是一个很好的起点）。

smooth浮点数，可选

大于零的值会增加近似的平滑度。0 用于插值（默认），在这种情况下，函数将始终通过节点。

normstr，可调用对象，可选

一个返回两点之间“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：‘euclidean’，结果是 x1 中每个点到 x2 中每个点的距离矩阵。有关更多选项，请参阅 scipy.spatial.distances.cdist 的文档。

modestr，可选

插值模式，可以是 '1-D'（默认）或 'N-D'。当为 '1-D' 时，数据 d 将被视为 1 维并在内部展平。当为 'N-D' 时，数据 d 被假定为形状为 (n_samples, m) 的数组，其中 m 是目标域的维度。

属性:

N整型: 数据点的数量（由输入数组决定）。
dindarray: 在每个数据坐标 xi 处的 1 维数据值数组。
xindarray: 数据坐标的 2 维数组。
functionstr 或可调用对象: 径向基函数。参见参数下的描述。
epsilon浮点数: 高斯函数或多二次函数使用的参数。参见参数。
smooth浮点数: 平滑参数。参见参数下的描述。
normstr 或可调用对象: 距离函数。参见参数下的描述。
modestr: 插值模式。参见参数下的描述。
nodesndarray: 用于插值的节点值的一维数组。
A内部属性，请勿使用

方法

__call__(*args)

将自身作为函数调用。

另请参阅

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,)