scipy.interpolate.RectBivariateSpline.
ev#
- RectBivariateSpline.ev(xi, yi, dx=0, dy=0)[source]#
在点上评估样条
返回
(xi[i], yi[i]), i=0,...,len(xi)-1
处的插值。- 参数:
- xi, yiarray_like
输入坐标。遵循标准的 Numpy 广播。轴的顺序与
np.meshgrid(..., indexing="ij")
一致,并且与默认顺序np.meshgrid(..., indexing="xy")
不一致。- dxint, optional
x 导数的阶数
在版本 0.14.0 中添加。
- dyint, optional
y 导数的阶数
在版本 0.14.0 中添加。
示例
假设我们想要在二维空间中双线性插值一个指数衰减函数。
>>> import numpy as np >>> from scipy.interpolate import RectBivariateSpline >>> def f(x, y): ... return np.exp(-np.sqrt((x / 2) ** 2 + y**2))
我们在一个粗糙的网格上对函数进行采样,并设置插值器。请注意,meshgrid 的默认
indexing="xy"
会导致插值后出现意外的(转置)结果。>>> xarr = np.linspace(-3, 3, 21) >>> yarr = np.linspace(-3, 3, 21) >>> xgrid, ygrid = np.meshgrid(xarr, yarr, indexing="ij") >>> zdata = f(xgrid, ygrid) >>> rbs = RectBivariateSpline(xarr, yarr, zdata, kx=1, ky=1)
接下来,我们使用插值在一个更精细的网格上沿着坐标空间中的对角线切片对函数进行采样。
>>> xinterp = np.linspace(-3, 3, 201) >>> yinterp = np.linspace(3, -3, 201) >>> zinterp = rbs.ev(xinterp, yinterp)
并检查插值是否通过函数评估,作为沿切片到原点的距离的函数。
>>> import matplotlib.pyplot as plt >>> fig = plt.figure() >>> ax1 = fig.add_subplot(1, 1, 1) >>> ax1.plot(np.sqrt(xarr**2 + yarr**2), np.diag(zdata), "or") >>> ax1.plot(np.sqrt(xinterp**2 + yinterp**2), zinterp, "-b") >>> plt.show()