本文简要介绍 python 语言中 scipy.interpolate.SmoothBivariateSpline.__call__
的用法。
用法:
SmoothBivariateSpline.__call__(x, y, dx=0, dy=0, grid=True)#
评估给定位置处的样条曲线或其导数。
- x, y: array_like
输入坐标。
如果网格为 False,在点处评估样条线
(x[i], y[i]), i=0, ..., len(x)-1
。遵循标准 Numpy 广播。如果 grid 为 True:在由坐标数组 x、y 定义的网格点处计算样条线。数组必须按升序排序。
轴的顺序与
np.meshgrid(..., indexing="ij")
一致,与默认顺序np.meshgrid(..., indexing="xy")
不一致。- dx: int
x-derivative的订单
- dy: int
y-derivative的订单
- grid: bool
是否在输入数组跨越的网格上或在输入数组指定的点上评估结果。
参数 ::
例子:
假设我们想要在二维上对一个指数衰减函数进行双线性插值。
>>> import numpy as np >>> from scipy.interpolate import RectBivariateSpline
我们在粗网格上对函数进行采样。请注意,网格网格的默认索引 =”xy” 会导致插值后出现意外(转置)结果。
>>> xarr = np.linspace(-3, 3, 100) >>> yarr = np.linspace(-3, 3, 100) >>> xgrid, ygrid = np.meshgrid(xarr, yarr, indexing="ij")
插值函数沿一个轴比另一轴衰减得更快。
>>> zdata = np.exp(-np.sqrt((xgrid / 2) ** 2 + ygrid**2))
接下来,我们使用插值在更精细的网格上进行采样(对于双线性,kx=ky=1)。
>>> rbs = RectBivariateSpline(xarr, yarr, zdata, kx=1, ky=1) >>> xarr_fine = np.linspace(-3, 3, 200) >>> yarr_fine = np.linspace(-3, 3, 200) >>> xgrid_fine, ygrid_fine = np.meshgrid(xarr_fine, yarr_fine, indexing="ij") >>> zdata_interp = rbs(xgrid_fine, ygrid_fine, grid=False)
并通过绘制两者来检查结果是否与输入一致。
>>> import matplotlib.pyplot as plt >>> fig = plt.figure() >>> ax1 = fig.add_subplot(1, 2, 1, aspect="equal") >>> ax2 = fig.add_subplot(1, 2, 2, aspect="equal") >>> ax1.imshow(zdata) >>> ax2.imshow(zdata_interp) >>> plt.show()
相关用法
- Python SciPy SmoothBivariateSpline.ev用法及代码示例
- Python SciPy SmoothSphereBivariateSpline.ev用法及代码示例
- Python SciPy SmoothSphereBivariateSpline.__call__用法及代码示例
- Python SciPy ShortTimeFFT.from_dual用法及代码示例
- Python SciPy ShortTimeFFT.from_window用法及代码示例
- Python SciPy SuperLU.perm_c用法及代码示例
- Python SciPy SuperLU.solve用法及代码示例
- Python SciPy ShortTimeFFT.istft用法及代码示例
- Python SciPy SuperLU.perm_r用法及代码示例
- Python SciPy ShortTimeFFT.spectrogram用法及代码示例
- Python SciPy interpolate.make_interp_spline用法及代码示例
- Python SciPy stats.anderson用法及代码示例
- Python SciPy ClusterNode.pre_order用法及代码示例
- Python SciPy stats.iqr用法及代码示例
- Python SciPy FortranFile.read_record用法及代码示例
- Python SciPy ndimage.correlate用法及代码示例
- Python SciPy special.exp1用法及代码示例
- Python SciPy special.expn用法及代码示例
- Python SciPy signal.czt_points用法及代码示例
- Python SciPy interpolate.krogh_interpolate用法及代码示例
- Python SciPy ndimage.morphological_gradient用法及代码示例
- Python SciPy distance.sokalmichener用法及代码示例
- Python SciPy linalg.eigvalsh_tridiagonal用法及代码示例
- Python SciPy linalg.cdf2rdf用法及代码示例
- Python SciPy csc_array.diagonal用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.interpolate.SmoothBivariateSpline.__call__。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。