Python SciPy interpolate.NdPPoly用法及代码示例

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

用法:

class  scipy.interpolate.NdPPoly(c, x, extrapolate=None)#

分段张量积多项式

点处的值xp = (x', y', z', ...)通过首先计算区间索引来评估i这样：

x[0][i[0]] <= x' < x[0][i[0]+1]
x[1][i[1]] <= y' < x[1][i[1]+1]
...

然后计算：

S = sum(c[k0-m0-1,...,kn-mn-1,i[0],...,i[n]]
        * (xp[0] - x[0][i[0]])**m0
        * ...
        * (xp[n] - x[n][i[n]])**mn
        for m0 in range(k[0]+1)
        ...
        for mn in range(k[n]+1))

其中k[j] 是多项式在维度 j 中的次数。这种表示是分段多元幂基础。

参数 ：：

c： ndarray，形状(k0，...，kn，m0，...，mn，...)

多项式系数，每个维度 j 具有多项式阶 kj 和 mj+1 间隔。

x： ndim-tuple of ndarrays, 形状 (mj+1,)

每个维度的多项式断点。这些必须按升序排列。

extrapolate： 布尔型，可选

是否根据第一个和最后一个间隔推断出界点，或者返回 NaN。默认值：真。

注意：

幂基中的高阶多项式可能在数值上不稳定。

属性 ：：

x： ndarray 的元组

断点。

c： ndarray

多项式的系数。