Python SciPy interpolate.interpn用法及代码示例

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

用法:

scipy.interpolate.interpn(points, values, xi, method='linear', bounds_error=True, fill_value=nan)#

规则或直线网格上的多维插值。

严格来说，并非支持所有规则网格 - 该函数适用于直线网格，即间距均匀或不均匀的矩形网格。

参数 ：：

points： float 的 ndarray 元组，形状为 (m1, ), ..., (mn, )

定义 n 维规则网格的点。每个维度中的点(即点元组的每个元素)必须严格升序或降序。

values： 数组, 形状 (m1, ..., mn, ...)

n 维规则网格上的数据。复杂的数据是可以接受的。

xi： ndarray 形状 (..., ndim)

对网格数据进行采样的坐标

method： str，可选

要执行的插值方法。支持“linear”, “nearest”, “slinear”, “cubic”, “quintic”, “pchip” 和“splinef2d”。 “splinef2d” 仅支持二维数据。

bounds_error： 布尔型，可选

如果为 True，则当在输入数据域之外请求内插值时，会引发 ValueError。如果为 False，则使用fill_value。

fill_value： 编号，可选

如果提供，则用于插值域之外的点的值。如果没有，则外推域外的值。方法“splinef2d” 不支持外推。

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:] 。

如果输入数据的输入维度具有不相称的单位并且相差多个数量级，则插值可能会出现数值伪影。考虑在插值之前重新缩放数据。

例子：

在常规 3-D 网格的点上计算一个简单的示例函数：

>>> import numpy as np
>>> from scipy.interpolate import interpn
>>> def value_func_3d(x, y, z):
...     return 2 * x + 3 * y - z
>>> x = np.linspace(0, 4, 5)
>>> y = np.linspace(0, 5, 6)
>>> z = np.linspace(0, 6, 7)
>>> points = (x, y, z)
>>> values = value_func_3d(*np.meshgrid(*points, indexing='ij'))

计算某一点的插值函数

>>> point = np.array([2.21, 3.12, 1.15])
>>> print(interpn(points, values, point))
[12.63]