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:]
在 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])