Python SciPy interpolate.barycentric_interpolate用法及代码示例

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

用法:

scipy.interpolate.barycentric_interpolate(xi, yi, x, axis=0, *, der=0)#

多项式插值的便利函数。

构造一个通过给定点集的多项式，然后计算多项式。出于数值稳定性的原因，此函数不计算多项式的系数。

此函数使用 “barycentric interpolation” 方法，将问题视为有理函数插值的特殊情况。该算法在数值上相当稳定，但即使在精确计算的世界中，除非非常仔细地选择 x 坐标 - 切比雪夫零点(例如 cos(i*pi/n))是一个不错的选择 - 多项式插值本身就是由于Runge现象，非常ill-conditioned进程。

参数 ：：

xi： array_like

多项式应通过的点的 x 坐标的一维数组

yi： array_like

多项式应通过的点的 y 坐标。

x： 标量或类似数组

评估插值的一个或多个点。

der： int 或列表或无，可选

要评估多少个导数，或者对于所有潜在的非零导数为“无”(即，等于点数的数字)，或者要评估的导数列表。该数字包括作为 ‘0th’ 导数的函数值。

axis： 整数，可选

yi 数组中对应于 x 坐标值的轴。

返回 ：：

y： 标量或类似数组

插值。形状是通过将原始数组中的插值轴替换为 x 的形状来确定的。

注意：

插值权重的构建是一个相对缓慢的过程。如果你想用相同的 xi(但可能改变 yi 或 x)多次调用它，你应该使用类 BarycentricInterpolator 。这就是这个函数在内部使用的。

例子：

我们可以使用重心插值对 2D 观测数据进行插值：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.interpolate import barycentric_interpolate
>>> x_observed = np.linspace(0.0, 10.0, 11)
>>> y_observed = np.sin(x_observed)
>>> x = np.linspace(min(x_observed), max(x_observed), num=100)
>>> y = barycentric_interpolate(x_observed, y_observed, x)
>>> plt.plot(x_observed, y_observed, "o", label="observation")
>>> plt.plot(x, y, label="barycentric interpolation")
>>> plt.legend()
>>> plt.show()