griddata#
- scipy.interpolate.griddata(points, values, xi, method='linear', fill_value=nan, rescale=False)[source]#
在多维中对非结构化数据进行插值的便捷函数。
- 参数:
- points形状为 (n, D) 的二维浮点 ndarray,或形状为 (n,) 的长度为 D 的一维 ndarray 元组。
数据点坐标。
- values浮点或复数 ndarray,形状 (n,)
数据值。
- xi形状为 (m, D) 的二维浮点 ndarray,或长度为 D 的 ndarray 元组,可广播到相同形状。
要插值数据点的位置。
- method{'linear', 'nearest', 'cubic'},可选
插值方法。以下之一:
nearest
返回最接近插值点的数据点的值。更多详情请参见
NearestNDInterpolator
。linear
将输入点集剖分成 N 维单形,并在每个单形上进行线性插值。更多详情请参见
LinearNDInterpolator
。cubic
(1-D)返回由三次样条确定的值。
cubic
(2-D)返回由分段三次、连续可微 (C1) 且近似最小曲率的多项式曲面确定的值。更多详情请参见
CloughTocher2DInterpolator
。
- fill_value浮点型,可选
用于填充输入点凸包外部所需点的值。如果未提供,则默认值为
nan
。此选项对 'nearest' 方法无效。- rescale布尔型,可选
在执行插值之前将点重新缩放为单位立方体。如果某些输入维度具有不可公度的单位且相差多个数量级,则此功能很有用。
0.14.0 版本新增。
- 返回:
- ndarray
插值后的值数组。
另请参见
LinearNDInterpolator
N 维分段线性插值器。
NearestNDInterpolator
N 维最近邻插值器。
CloughTocher2DInterpolator
二维分段三次、C1 平滑、曲率最小插值器。
interpn
在规则网格或直角网格上的插值。
RegularGridInterpolator
任意维度的规则网格或直角网格上的插值器(
interpn
封装了此类别)。
注释
0.9 版本新增。
注意
对于规则网格上的数据,请改用
interpn
。示例
假设我们想在 [0, 1]x[0, 1] 的网格上插值二维函数
>>> import numpy as np >>> def func(x, y): ... return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2
但我们只知道它在 1000 个数据点上的值
>>> grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j]
这可以使用
griddata
完成——下面我们尝试所有插值方法>>> rng = np.random.default_rng() >>> points = rng.random((1000, 2)) >>> values = func(points[:,0], points[:,1])
可以看出,所有方法都在某种程度上再现了精确结果,但对于这个平滑函数,分段三次插值器给出了最佳结果。
>>> from scipy.interpolate import griddata >>> grid_z0 = griddata(points, values, (grid_x, grid_y), method='nearest') >>> grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear') >>> grid_z2 = griddata(points, values, (grid_x, grid_y), method='cubic')
(原文:One can see that the exact result is reproduced by all of the methods to some degree, but for this smooth function the piecewise cubic interpolant gives the best results)
>>> import matplotlib.pyplot as plt >>> plt.subplot(221) >>> plt.imshow(func(grid_x, grid_y).T, extent=(0,1,0,1), origin='lower') >>> plt.plot(points[:,0], points[:,1], 'k.', ms=1) >>> plt.title('Original') >>> plt.subplot(222) >>> plt.imshow(grid_z0.T, extent=(0,1,0,1), origin='lower') >>> plt.title('Nearest') >>> plt.subplot(223) >>> plt.imshow(grid_z1.T, extent=(0,1,0,1), origin='lower') >>> plt.title('Linear') >>> plt.subplot(224) >>> plt.imshow(grid_z2.T, extent=(0,1,0,1), origin='lower') >>> plt.title('Cubic') >>> plt.gcf().set_size_inches(6, 6) >>> plt.show()