scipy.interpolate.

interpn#

scipy.interpolate.interpn(points, values, xi, method='linear', bounds_error=True, fill_value=nan)[源]#

在规则或直角网格上的多维插值。

严格来说,并非所有规则网格都受支持——此函数适用于直角网格,即具有均匀或非均匀间距的矩形网格。

参数:
points浮点型 ndarray 元组,形状为 (m1, ), …, (mn, )

定义 n 维规则网格的点。每个维度中的点(即 points 元组的每个元素)必须严格升序或降序。

values类数组,形状 (m1, …, mn, …)

n 维规则网格上的数据。接受复数数据。

xi形状为 (…, ndim) 的 ndarray

用于采样网格数据的坐标

methodstr,可选

要执行的插值方法。支持“linear”、“nearest”、“slinear”、“cubic”、“quintic”、“pchip”和“splinef2d”。“splinef2d”仅支持 2 维数据。

bounds_errorbool,可选

如果为 True,当请求的插值超出输入数据域时,将引发 ValueError。如果为 False,则使用 fill_value

fill_value数字,可选

如果提供,则为用于插值域外点的值。如果为 None,则域外值将被外推。方法“splinef2d”不支持外推。

返回:
values_xndarray,形状 xi.shape[:-1] + values.shape[ndim:]

xi 处的插值。有关 xi.ndim == 1 时的行为,请参阅注释。

另请参阅

NearestNDInterpolator

在 N 维非结构化数据上的最近邻插值

LinearNDInterpolator

在 N 维非结构化数据上的分段线性插值器

RegularGridInterpolator

在任意维度的规则或直角网格上的插值(interpn 封装了此类别)。

RectBivariateSpline

在矩形网格上的双变量样条逼近

scipy.ndimage.map_coordinates

在等间距网格上的插值(适用于例如 N 维图像重采样)

注释

添加于版本 0.14。

xi.ndim == 1 的情况下,一个新轴被插入到返回数组 values_x 的第 0 个位置,因此其形状变为 (1,) + values.shape[ndim:]

如果输入数据导致输入维度具有不相称的单位且相差多个数量级,插值器可能会产生数值伪影。考虑在插值前重新缩放数据。

示例

在规则 3 维网格的点上评估一个简单示例函数

>>> import numpy as np
>>> from scipy.interpolate import interpn
>>> def value_func_3d(x, y, z):
...     return 2 * x + 3 * y - z
>>> x = np.linspace(0, 4, 5)
>>> y = np.linspace(0, 5, 6)
>>> z = np.linspace(0, 6, 7)
>>> points = (x, y, z)
>>> values = value_func_3d(*np.meshgrid(*points, indexing='ij'))

在某点评估插值函数

>>> point = np.array([2.21, 3.12, 1.15])
>>> print(interpn(points, values, point))
[12.63]