scipy.interpolate.

SmoothBivariateSpline

class scipy.interpolate.SmoothBivariateSpline(x, y, z, w=None, bbox=[None, None, None, None], kx=3, ky=3, s=None, eps=1e-16)

光滑的双变量样条逼近。

参数:

x, y, zarray_like

数据点的 1-D 序列（顺序不重要）。

warray_like, 可选

正的 1-D 权重序列，长度与 x，y 和 z 相同。

bboxarray_like, 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, 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((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] 的标准偏差的估计值，则该值应该是一个好值。

epsfloat, 可选

确定超定线性方程组的有效秩的阈值。eps 的值应在开区间 (0, 1) 内，默认值为 1e-16。

另请参阅

BivariateSpline

双变量样条的基本类。

UnivariateSpline

一个光滑的单变量样条，用于拟合给定的数据点集。

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

球坐标系中的平滑双变量样条

LSQSphereBivariateSpline

使用加权最小二乘拟合的球坐标系中的双变量样条

RectBivariateSpline

矩形网格上的双变量样条

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

注意

x，y 和 z 的长度应至少为 (kx+1) * (ky+1)。

如果输入数据使得输入维度的单位不相称且相差多个数量级，则插值可能会出现数值伪影。在插值之前，请考虑重新缩放数据。

此例程通过 FITPACK 算法自动构造样条结向量。样条结可以放置在远离数据点的位置。对于某些数据集，此例程可能无法构造插值样条，即使通过 s=0 参数请求也是如此。在这种情况下，建议直接使用 bisplrep / bisplev，如果需要，则增加 bisplrep 的 nxest 和 nyest 参数的值。

对于线性插值，请优先使用 LinearNDInterpolator。有关讨论，请参见 https://gist.github.com/ev-br/8544371b40f414b7eaf3fe6217209bff。

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
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 和 y 变量的结位置。
get_residual()	返回样条逼近的平方残差的加权和：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)	构造一个新的样条，表示此样条的偏导数。