scipy.interpolate.

krogh_interpolate

scipy.interpolate.krogh_interpolate(xi, yi, x, der=0, axis=0)

用于多项式插值的便捷函数。

有关更多详细信息，请参阅 KroghInterpolator。

参数:

xiarray_like

插值点（已知的 x 坐标）。

yiarray_like

已知的 y 坐标，形状为 (xi.size, R)。解释为长度为 R 的向量，如果 R=1，则为标量。

xarray_like

要计算导数的点或点。

derint 或 list 或 None，可选

要计算多少个导数，或者 None 表示所有可能非零的导数（即，一个等于点数的数字），或者要计算的导数列表。此数字包括作为“第 0 阶”导数的函数值。

axisint，可选

yi 数组中与 x 坐标值对应的轴。

返回:

dndarray

如果插值器的值是 R 维的，那么返回的数组将是导数的数量乘以 N 乘以 R。如果 x 是标量，则中间维度将被删除；如果 yi 是标量，则最后一个维度将被删除。

另请参阅

KroghInterpolator

Krogh 插值器

注释

构造插值多项式是一个相对昂贵的过程。 如果要重复评估它，请考虑使用类 KroghInterpolator（这是此函数使用的）。

示例

在您的浏览器中尝试！

我们可以使用 Krogh 插值法对 2D 观测数据进行插值

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.interpolate import krogh_interpolate
>>> x_observed = np.linspace(0.0, 10.0, 11)
>>> y_observed = np.sin(x_observed)
>>> x = np.linspace(min(x_observed), max(x_observed), num=100)
>>> y = krogh_interpolate(x_observed, y_observed, x)
>>> plt.plot(x_observed, y_observed, "o", label="observation")
>>> plt.plot(x, y, label="krogh interpolation")
>>> plt.legend()
>>> plt.show()

返回在新标签页中打开