scipy.interpolate.

interpn#

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

在规则或直线网格上的多维插值。

严格来说，并非所有规则网格都支持 - 此函数适用于直线网格，即具有均匀或不均匀间距的矩形网格。

参数:

points浮点数数组的元组，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类似数组，形状为 (m1, …, mn, …): n 维规则网格上的数据。接受复数数据。

自版本 1.13.0 起弃用: 复数数据在 method="pchip" 中已弃用，并且在 SciPy 1.15.0 中将引发错误。这是因为 PchipInterpolator 仅适用于实数值。如果您尝试使用传递数组的实数分量，请对 values 使用 np.real。
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”仅支持二维数据。
bounds_errorbool，可选: 如果为 True，则当请求输入数据域之外的插值时，会引发 ValueError。如果为 False，则使用 fill_value。
fill_value数字，可选: 如果提供，则为插值域之外的点使用的值。如果为 None，则域之外的值将被外推。“splinef2d”方法不支持外推。

返回:

values_xndarray，形状为 xi.shape[:-1] + values.shape[ndim:]: xi 的插值。有关 xi.ndim == 1 时的行为，请参见注释。

另请参见

NearestNDInterpolator: N 维非结构化数据的最近邻插值
LinearNDInterpolator: N 维非结构化数据上的分段线性插值
RegularGridInterpolator: 任意维度的规则或直线网格上的插值（interpn 包装此类）。
RectBivariateSpline: 矩形网格上的双变量样条近似
scipy.ndimage.map_coordinates: 具有相等间距的网格上的插值（例如，适用于 N 维图像重采样）

注释

在版本 0.14 中添加。

在 xi.ndim == 1 的情况下，新轴插入到返回数组 values_x 的 0 位置，因此其形状改为 (1,) + values.shape[ndim:]。

如果输入数据使得输入维度具有不相称的单位并且相差多个数量级，则插值器可能会出现数值伪影。考虑在插值之前重新缩放数据。

示例

在规则 3-D 网格的点上评估一个简单的示例函数

>>> 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'))

在某个点评估插值函数

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