Python SciPy interpolate.Rbf用法及代码示例

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

用法:

class  scipy.interpolate.Rbf(*args, **kwargs)#

从N-D分散数据到M-D域的径向基函数插值类。

遗产

此类被视为遗留类，将不再接收更新。这也可能意味着它将在未来的 SciPy 版本中被删除。 Rbf 是旧代码，对于新用途，请改用 RBFInterpolator 。

参数 ：：

*args： 数组

x, y, z, ..., d, 其中 x, y, z, ... 是节点的坐标，d 是节点处的值数组

function： str 或可调用，可选

径向基函数，基于由范数给出的半径 r(默认为欧几里得距离)；默认为‘multiquadric’：

'multiquadric': sqrt((r/self.epsilon)**2 + 1)
'inverse': 1.0/sqrt((r/self.epsilon)**2 + 1)
'gaussian': exp(-(r/self.epsilon)**2)
'linear': r
'cubic': r**3
'quintic': r**5
'thin_plate': r**2 * log(r)

如果可调用，则它必须采用 2 个参数(self，r)。 epsilon 参数将作为 self.epsilon 提供。其他传入的关键字参数也将可用。

epsilon： 浮点数，可选

高斯或多二次函数的可调常数 - 默认为节点之间的近似平均距离(这是一个好的开始)。

smooth： 浮点数，可选

大于零的值会增加近似的平滑度。 0 用于插值(默认)，在这种情况下，函数将始终通过节点。

norm： str，可调用，可选

返回两点之间的‘distance’ 的函数，输入为位置数组(x、y、z、...)，输出为距离数组。例如，默认值：‘euclidean’，使得结果是到每个点的距离矩阵x1到每个点x2.有关更多选项，请参阅文档scipy.spatial.distances.cdist.

mode： str，可选

插值模式，可以是“一维”(默认)或“N-D”。当它是“一维”时，数据 d 将被视为一维并在内部展平。当它是“N-D”时，数据 d 被假定为一个形状为 (n_samples, m) 的数组，其中 m 是目标域的维度。

例子：

>>> import numpy as np
>>> from scipy.interpolate import Rbf
>>> rng = np.random.default_rng()
>>> x, y, z, d = rng.random((4, 50))
>>> rbfi = Rbf(x, y, z, d)  # radial basis function interpolator instance
>>> xi = yi = zi = np.linspace(0, 1, 20)
>>> di = rbfi(xi, yi, zi)   # interpolated values
>>> di.shape
(20,)

属性 ：：

N： int

数据点的数量(由输入数组确定)。

di： ndarray

每个数据坐标 xi 处的一维数据值数组。

xi： ndarray

数据坐标的二维数组。

function： str 或可调用

径向基函数。请参阅参数下的说明。

epsilon： 浮点数

高斯或多二次函数使用的参数。请参阅参数。

smooth： 浮点数

平滑参数。请参阅参数下的说明。

norm： str 或可调用

距离函数。请参阅参数下的说明。

mode： str

插值模式。请参阅参数下的说明。

nodes： ndarray

用于插值的一维节点值数组。

A： 内部属性，请勿使用