SmoothBivariateSpline#
- class scipy.interpolate.SmoothBivariateSpline(x, y, z, w=None, bbox=[None, None, None, None], kx=3, ky=3, s=None, eps=1e-16)[source]#
平滑二元样条近似。
- 参数:
- x, y, z类数组
1-D 数据点序列（顺序不重要）。
- w类数组，可选
正的 1-D 权重序列，与 x、y 和 z 长度相同。
- bbox类数组，可选
长度为 4 的序列，指定矩形近似域的边界。默认情况下，
bbox=[min(x), max(x), min(y), max(y)]。- kx, ky整型，可选
二元样条的度数。默认为 3。
- s浮点型，可选
用于估计条件的正平滑因子：
sum((w[i]*(z[i]-s(x[i], y[i])))**2, axis=0) <= s。默认s=len(w)，如果1/w[i]是z[i]标准差的估计值，则此值应为良好值。- eps浮点型，可选
一个用于确定超定线性方程组有效秩的阈值。eps 的值应在开区间
(0, 1)内，默认值为 1e-16。
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])在点上评估样条
返回样条系数。
返回一个元组 (tx,ty)，其中 tx,ty 分别包含样条相对于 x 和 y 变量的节点位置。
返回样条近似的加权平方残差和：sum ((w[i]*(z[i]-s(x[i],y[i])))**2,axis=0)
integral(xa, xb, ya, yb)在区域 [xa,xb] x [ya,yb] 上评估样条的积分。
partial_derivative(dx, dy)构造一个表示此样条偏导数的新样条。
另请参阅
BivariateSpline二元样条的基类。
UnivariateSpline用于拟合给定数据集的平滑一元样条。
LSQBivariateSpline使用加权最小二乘拟合的二元样条
RectSphereBivariateSpline球面上矩形网格上的二元样条
SmoothSphereBivariateSpline球坐标系中的平滑二元样条
LSQSphereBivariateSpline使用加权最小二乘拟合的球坐标系二元样条
RectBivariateSpline矩形网格上的二元样条
bisplrep用于查找曲面二元 B 样条表示的函数
bisplev用于评估二元 B 样条及其导数的函数
注意
x、y 和 z 的长度应至少为
(kx+1) * (ky+1)。如果输入数据的维度单位不相称且相差多个数量级，则插值结果可能存在数值误差。在插值之前考虑对数据进行缩放。
此例程通过 FITPACK 算法自动构建样条节点向量。样条节点可能位于远离数据点的位置。对于某些数据集，即使通过
s=0参数请求，此例程也可能无法构造插值样条。在这种情况下，建议直接使用bisplrep/bisplev而非此例程，并且如果需要，增加bisplrep的nxest和nyest参数值。对于线性插值，首选
LinearNDInterpolator。有关讨论，请参阅https://gist.github.com/ev-br/8544371b40f414b7eaf3fe6217209bff。