scipy.interpolate.

RectBivariateSpline

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

矩形网格上的双变量样条近似。

可用于平滑和插值数据。

参数:

x,yarray_like

严格递增顺序中坐标的 1-D 数组。将在数据范围之外对齐计算点。

zarray_like

形状为 (x.size,y.size) 的 2-D 数据数组。

bboxarray_like, 可选

指定矩形近似域边界的长度为 4 的序列，这意味着每个维度的起始和结束样条结点由这些值设定。默认为 bbox=[min(x), max(x), min(y), max(y)]。

kx, kyint, 可选

双变量样条的次数。默认值为 3。

s浮点数，可选项

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 为样条函数。默认值为 s=0，用于内插。

另请参见

BivariateSpline

双变量样条的基础类。

UnivariateSpline

平滑的单变量样条，以拟合给定的一组数据点。

SmoothBivariateSpline

针对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

球体上矩形块网格中的双变量样条

SmoothSphereBivariateSpline

球面坐标系中的平滑双变量样条

LSQSphereBivariateSpline

使用加权最小二乘拟合的球面坐标系中的双变量样条

bisplrep

用于找出表面双变量 B 样条表示形式的函数

bisplev

用于评估双变量 B 样条及其导数的函数

注意

如果输入数据使输入维度不协调并相差很多个数量级，插值器可能会有数值伪像。考虑在内插之前重新调整数据的比例。

方法

__call__(x, y[, dx, dy, grid])	评估样条或其导数在给定位置处。
ev(xi, yi[, dx, dy])	评估点中的样条
get_coeffs()	返回样条系数。
get_knots()	返回一个元组 (tx,ty)，其中 tx 和 ty 分别包含该样条相对于 x 和 y 变量的节点位置。
get_residual()	返回样条近似的加权残差平方和：sum ((w[i]*(z[i]-s(x[i],y[i])))**2,axis=0)
integral(xa, xb, ya, yb)	评估 [xa,xb] x [ya,yb] 区域中样条的积分。
partial_derivative(dx, dy)	构建一个表示此样条偏导数的新样条。