scipy.interpolate.SmoothSphereBivariateSpline.

ev

SmoothSphereBivariateSpline.ev(theta, phi, dtheta=0, dphi=0)

在点处评估样条

返回在 (theta[i], phi[i]), i=0,...,len(theta)-1 处的插值值。

参数:

theta, phiarray_like

输入坐标。遵循标准 Numpy 广播规则。轴的顺序与 np.meshgrid(…, indexing=”ij”) 一致，与默认顺序 np.meshgrid(…, indexing=”xy”) 不一致。

dthetaint, optional

theta 导数的阶数

在版本 0.14.0 中添加。

dphiint, optional

phi 导数的阶数

在版本 0.14.0 中添加。

示例

在你的浏览器中尝试它！

假设我们想使用样条函数对球体上的二元函数进行插值。该函数的值在经度和余纬度的网格上已知。

>>> import numpy as np
>>> from scipy.interpolate import RectSphereBivariateSpline
>>> def f(theta, phi):
...     return np.sin(theta) * np.cos(phi)

我们在网格上评估该函数。请注意，meshgrid 的默认索引 “xy” 会在插值后导致意外（转置）结果。

>>> thetaarr = np.linspace(0, np.pi, 22)[1:-1]
>>> phiarr = np.linspace(0, 2 * np.pi, 21)[:-1]
>>> thetagrid, phigrid = np.meshgrid(thetaarr, phiarr, indexing="ij")
>>> zdata = f(thetagrid, phigrid)

接下来，我们设置插值器并使用它来评估不在原始网格上的点的函数值。

>>> rsbs = RectSphereBivariateSpline(thetaarr, phiarr, zdata)
>>> thetainterp = np.linspace(thetaarr[0], thetaarr[-1], 200)
>>> phiinterp = np.linspace(phiarr[0], phiarr[-1], 200)
>>> zinterp = rsbs.ev(thetainterp, phiinterp)

最后，我们绘制原始数据（用于初始网格的对角线切片）和沿同一切片的样条近似值。

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(1, 1, 1)
>>> ax1.plot(np.sin(thetaarr) * np.sin(phiarr), np.diag(zdata), "or")
>>> ax1.plot(np.sin(thetainterp) * np.sin(phiinterp), zinterp, "-b")
>>> plt.show()

返回在新标签页中打开