Python SciPy interpolate.InterpolatedUnivariateSpline用法及代码示例

本文简要介绍 python 语言中 scipy.interpolate.InterpolatedUnivariateSpline 的用法。

用法:

class  scipy.interpolate.InterpolatedUnivariateSpline(x, y, w=None, bbox=[None, None], k=3, ext=0, check_finite=False)#

给定数据点集的一维插值样条。

拟合度数的样条曲线 y = spl(x)k对提供的x,y数据。样条函数通过所有提供的点。相当于scipy.interpolate.UnivariateSpline和s= 0。

参数 ：：

x： (N,) 数组

数据点的输入维度 - 必须严格增加

y： (N,) 数组

数据点的输入维度

w： (N,) 数组, 可选

样条拟合的权重。必须是正的。如果无(默认)，则权重均为 1。

bbox： (2,) 类数组，可选

2-sequence 指定近似区间的边界。如果无(默认)，bbox=[x[0], x[-1]] 。

k： 整数，可选

平滑样条的程度。必须是 1 <= k <= 5 。默认值为 k = 3 ，三次样条。

ext： int 或 str，可选

控制不在节点序列定义的区间内的元素的外推模式。

• 如果 ext=0 或 ‘extrapolate’，则返回外推值。

• 如果 ext=1 或 ‘zeros’，返回 0

• 如果 ext=2 或‘raise’，则引发ValueError

• 如果‘const’的ext=3，返回边界值。

默认值为 0。

check_finite： 布尔型，可选

是否检查输入数组是否仅包含有限数。禁用可能会提高性能，但如果输入确实包含无穷大或 NaN，则可能会导致问题(崩溃、非终止或无意义的结果)。默认为假。

注意：

数据点的数量必须大于样条度 k。

例子：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.interpolate import InterpolatedUnivariateSpline
>>> rng = np.random.default_rng()
>>> x = np.linspace(-3, 3, 50)
>>> y = np.exp(-x**2) + 0.1 * rng.standard_normal(50)
>>> spl = InterpolatedUnivariateSpline(x, y)
>>> plt.plot(x, y, 'ro', ms=5)
>>> xs = np.linspace(-3, 3, 1000)
>>> plt.plot(xs, spl(xs), 'g', lw=3, alpha=0.7)
>>> plt.show()

请注意，spl(x)插值y：

>>> spl.get_residual()
0.0