插值 (scipy.interpolate
)#
SciPy 提供了多种用于 1 维、2 维及更高维度数据插值和平滑的通用功能。特定插值例程的选择取决于数据:数据是否为一维、是否在结构化网格上给出,或是否是非结构化的。另一个因素是插值器所需的平滑度。简而言之,*建议用于插值*的例程可以总结如下:
类型 |
例程 |
连续性 |
备注 |
|
---|---|---|---|---|
1D |
线性 |
分段连续 |
或者, |
|
三次样条 |
二阶导数 |
|||
单调三次样条 |
一阶导数 |
无超调 |
||
非三次样条 |
(k-1)阶导数 |
|
||
最近邻 |
kind='nearest', 'previous', 'next' |
|||
N维曲线 |
最近邻, 线性, 样条 |
(k-1)阶导数 |
使用 N 维 y 数组 |
|
N维规则(直线)网格 |
最近邻 |
method='nearest' |
||
线性 |
method='linear' |
|||
样条 |
二阶导数 |
method='cubic', 'quintic' |
||
单调样条 |
一阶导数 |
method='pchip' |
||
N维散点 |
最近邻 |
别名: |
||
线性 |
||||
三次 (仅限 2D) |
一阶导数 |
|||
径向基函数 |
数据平滑和近似#
一维样条函数 |
经典平滑样条,GCV 罚项 |
|
自动/半自动节点选择 |
||
N维样条曲线 |
||
无约束最小二乘样条拟合 |
||
二维平滑曲面 |
散点数据 |
|
网格数据 |
||
N维径向基函数 |
更多详情请参阅以下链接