scipy.interpolate.

RectBivariateSpline

class scipy.interpolate.RectBivariateSpline(x, y, z, bbox=[None, None, None, None], kx=3, ky=3, s=0)

在矩形网格上的双变量样条逼近。

可用于平滑和插值数据。

参数:

x,yarray_like

严格升序的 1-D 坐标数组。在数据范围之外评估的点将被外推。

zarray_like

形状为 (x.size,y.size) 的 2-D 数据数组。

bboxarray_like, 可选

长度为 4 的序列，指定矩形逼近域的边界，这意味着每个维度的起始和结束样条节点由这些值设置。默认情况下，bbox=[min(x), max(x), min(y), max(y)]。

kx, kyints, 可选

双变量样条的次数。默认为 3。

sfloat, 可选

为估计条件定义的正平滑因子：sum((z[i]-f(x[i], y[i]))**2, axis=0) <= s，其中 f 是样条函数。默认值为 s=0，用于插值。

另请参阅

BivariateSpline

双变量样条的基本类。

UnivariateSpline

用于拟合给定数据点的平滑单变量样条。

SmoothBivariateSpline

通过给定点的平滑双变量样条

LSQBivariateSpline

使用加权最小二乘拟合的双变量样条

RectSphereBivariateSpline

球面上的矩形网格上的双变量样条

SmoothSphereBivariateSpline

球坐标中的平滑双变量样条

LSQSphereBivariateSpline

使用加权最小二乘拟合的球坐标中的双变量样条

bisplrep

一个用于查找曲面的双变量 B 样条表示的函数

bisplev

一个用于评估双变量 B 样条及其导数的函数

注释

如果输入数据使得输入维度具有不相称的单位并且相差多个数量级，则插值器可能存在数值伪影。考虑在插值之前重新缩放数据。

方法

__call__(x, y[, dx, dy, grid])	在给定位置评估样条或其导数。
ev(xi, yi[, dx, dy])	在点处评估样条
get_coeffs()	返回样条系数。
get_knots()	返回一个元组 (tx,ty)，其中 tx,ty 分别包含样条相对于 x-，y-变量的节点位置。
get_residual()	返回样条逼近的加权平方残差之和：sum ((w[i]*(z[i]-s(x[i],y[i])))**2,axis=0)
integral(xa, xb, ya, yb)	评估样条在区域 [xa,xb] x [ya,yb] 上的积分。
partial_derivative(dx, dy)	构造一个表示此样条偏导数的新样条。