scipy.interpolate.

krogh_interpolate#

scipy.interpolate.krogh_interpolate(xi, yi, x, der=0, axis=0)[source]#

多项式插值的简易函数。

有关详细信息，请参见KroghInterpolator。

参数:
xiarray_like

插值点（已知 x 坐标）。

yiarray_like

已知 y 坐标，形状(xi.size, R)。解释为长度为 R 的向量，或者当 R=1 时解释为标量。

xarray_like

要对其评估导数的点或多个点。

derint 或 list 或 None，可选

要评估的导数数量，或 None，表示所有可能的非零导数（即，等于点数的数量），或要评估的导数的列表。此数量包括函数值作为“第 0 导数”。

axisint，可选

对应于 x 坐标值的 yi 数组中的轴。

返回:
dndarray

如果插值器的值是 R-D，则返回的数组将是导数数乘 N 乘 R。如果 x 是标量，则中间维度将被丢弃；如果 yi 是标量，则最后一个维度将被丢弃。

另请参阅

KroghInterpolator

Krogh 插值器

备注

构造内插多项式是一个相对昂贵的过程。如果你想反复评估它，请考虑使用类 KroghInterpolator（这是此函数所用的）。

示例

利用 Krogh 插值，我们可以内插 2D 观测数据

>>> 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()
../../_images/scipy-interpolate-krogh_interpolate-1.png
本页