Python SciPy RegularGridInterpolator.__call__用法及代码示例

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

用法:

RegularGridInterpolator.__call__(xi, method=None)#

在坐标处插值。

参数 ：：

xi： ndarray 形状 (..., ndim)

评估插值器的坐标。

method： str，可选

要执行的插值方法。支持“linear”, “nearest”, “slinear”, “cubic”, “quintic” 和“pchip”。默认值是创建插值器时选择的方法。

返回 ：：

values_x： ndarray，形状 xi.shape[:-1] + values.shape[ndim:]

插值位于xi。请参阅注释以了解以下情况下的行为：xi.ndim == 1.

注意：

在 xi.ndim == 1 的情况下，新轴被插入到返回数组 value_x 的 0 位置，因此其形状为 (1,) + values.shape[ndim:] 。

例子：

这里我们定义了一个简单函数的nearest-neighbor插值器

>>> import numpy as np
>>> x, y = np.array([0, 1, 2]), np.array([1, 3, 7])
>>> def f(x, y):
...     return x**2 + y**2
>>> data = f(*np.meshgrid(x, y, indexing='ij', sparse=True))
>>> from scipy.interpolate import RegularGridInterpolator
>>> interp = RegularGridInterpolator((x, y), data, method='nearest')

通过构造，插值器使用 nearest-neighbor 插值

>>> interp([[1.5, 1.3], [0.3, 4.5]])
array([2., 9.])

然而，我们可以通过覆盖方法参数来评估线性插值

>>> interp([[1.5, 1.3], [0.3, 4.5]], method='linear')
array([ 4.7, 24.3])