scipy.interpolate.

sproot#

scipy.interpolate.sproot(tck, mest=10)[源代码]#

查找三次B样条的根。

遗留

此函数被认为是遗留的，将不再接收更新。尽管我们目前没有计划将其移除，但我们建议新代码使用更现代的替代方案。具体来说，我们建议构建一个 BSpline 对象，并使用以下模式：PPoly.from_spline(spl).roots()。

给定三次B样条的节点（>=8）和系数，返回样条的根。

参数:

tck元组或 BSpline 对象: 如果是一个元组，它应该是一个长度为3的序列，包含节点向量、B样条系数和样条的度数。节点数量必须 >= 8，度数必须为 3。节点必须是单调递增的序列。
mestint，可选: 零点数量的估计值（默认为 10）。

返回:

zerosndarray: 一个包含样条根的数组。

另请参阅

splprep, splrep, splint, spalde, splev
bisplrep, bisplev
BSpline

备注

不建议直接操作 tck 元组。在新代码中，请优先使用 BSpline 对象。

参考文献

[1]

C. de Boor, “On calculating with b-splines”, J. Approximation Theory, 6, p.50-62, 1972.

[2]

M. G. Cox, “The numerical evaluation of b-splines”, J. Inst. Maths Applics, 10, p.134-149, 1972.

[3]

P. Dierckx, “Curve and surface fitting with splines”, Monographs on Numerical Analysis, Oxford University Press, 1993.

示例

对于某些数据，此方法可能会遗漏一个根。这发生在某个样条节点（FITPACK 自动放置的）恰好与真实根重合时。一个解决方案是转换为 PPoly，它使用不同的寻根算法。

例如，

>>> x = [1.96, 1.97, 1.98, 1.99, 2.00, 2.01, 2.02, 2.03, 2.04, 2.05]
>>> y = [-6.365470e-03, -4.790580e-03, -3.204320e-03, -1.607270e-03,
...      4.440892e-16,  1.616930e-03,  3.243000e-03,  4.877670e-03,
...      6.520430e-03,  8.170770e-03]
>>> from scipy.interpolate import splrep, sproot, PPoly
>>> tck = splrep(x, y, s=0)
>>> sproot(tck)
array([], dtype=float64)

转换为 PPoly 对象确实能找到 x=2 处的根

>>> ppoly = PPoly.from_spline(tck)
>>> ppoly.roots(extrapolate=False)
array([2.])

更多示例请参阅教程。