Python SciPy SmoothSphereBivariateSpline.ev用法及代码示例

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

用法:

SmoothSphereBivariateSpline.ev(theta, phi, dtheta=0, dphi=0)#

评估点处的样条线

返回 (theta[i], phi[i]), i=0,...,len(theta)-1 处的插值。

参数 ：：

theta, phi： array_like

输入坐标。遵循标准 Numpy 广播。轴的排序与 np.meshgrid(..., indexing=”ij”) 一致，与默认排序 np.meshgrid(..., indexing=”xy”) 不一致。

dtheta： 整数，可选

theta-derivative的订单

dphi： 整数，可选

phi-derivative的订单

例子：

假设我们要使用样条线在球体上插值二元函数。该函数的值在经度和纬度网格上已知。

>>> import numpy as np
>>> from scipy.interpolate import RectSphereBivariateSpline
>>> def f(theta, phi):
...     return np.sin(theta) * np.cos(phi)

我们评估网格上的函数。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。

>>> thetaarr = np.linspace(0, np.pi, 22)[1:-1]
>>> phiarr = np.linspace(0, 2 * np.pi, 21)[:-1]
>>> thetagrid, phigrid = np.meshgrid(thetaarr, phiarr, indexing="ij")
>>> zdata = f(thetagrid, phigrid)

接下来，我们设置插值器并使用它来评估原始网格之外的点处的函数。

>>> rsbs = RectSphereBivariateSpline(thetaarr, phiarr, zdata)
>>> thetainterp = np.linspace(thetaarr[0], thetaarr[-1], 200)
>>> phiinterp = np.linspace(phiarr[0], phiarr[-1], 200)
>>> zinterp = rsbs.ev(thetainterp, phiinterp)

最后，我们通过初始网格绘制对角线切片的原始数据，并沿同一切片绘制样条近似值。

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(1, 1, 1)
>>> ax1.plot(np.sin(thetaarr) * np.sin(phiarr), np.diag(zdata), "or")
>>> ax1.plot(np.sin(thetainterp) * np.sin(phiinterp), zinterp, "-b")
>>> plt.show()