scipy.interpolate.RegularGridInterpolator.

__call__#

RegularGridInterpolator.__call__(xi, method=None, *, nu=None)[source]#

在坐标处插值。

参数:
xi形状为 (…, ndim) 的 ndarray

要评估插值器的坐标。

methodstr,可选

要执行的插值方法。支持 “linear”、“nearest”、“slinear”、“cubic”、“quintic” 和 “pchip”。 默认为创建插值器时选择的方法。

nu整数序列,长度为 ndim,可选

如果不是 None,则为要评估的导数的阶数。每个条目必须为非负数。仅允许用于 “slinear”、“cubic” 和 “quintic” 方法。

1.13 版本中新增。

返回:
values_xndarray,形状 xi.shape[:-1] + values.shape[ndim:]

xi 处插值的值。有关 xi.ndim == 1 时的行为,请参见注释。

注释

如果 xi.ndim == 1,则会将一个新轴插入到返回的数组 values_x 的 0 位置,因此其形状变为 (1,) + values.shape[ndim:]

示例

这里我们定义一个简单函数的最近邻插值器

>>> import numpy as np
>>> x, y = np.array([0, 1, 2]), np.array([1, 3, 7])
>>> def f(x, y):
...     return x**2 + y**2
>>> data = f(*np.meshgrid(x, y, indexing='ij', sparse=True))
>>> from scipy.interpolate import RegularGridInterpolator
>>> interp = RegularGridInterpolator((x, y), data, method='nearest')

通过构造,插值器使用最近邻插值

>>> interp([[1.5, 1.3], [0.3, 4.5]])
array([2., 9.])

但是,我们可以通过覆盖 method 参数来评估线性插值

>>> interp([[1.5, 1.3], [0.3, 4.5]], method='linear')
array([ 4.7, 24.3])