Python SciPy interpolate.krogh_interpolate用法及代码示例

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

用法:

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

多项式插值的便利函数。

有关详细信息，请参阅 KroghInterpolator 。

参数 ：：

xi： array_like

插值点(已知 x 坐标)。

yi： array_like

已知的 y 坐标，形状为 (xi.size, R) 。解释为长度为 R 的向量，或者如果 R=1 则为标量。

x： array_like

评估导数的一个或多个点。

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 ：：

d： ndarray

如果插值器的值为R-D，则返回的数组将是N乘R的导数。如果x是标量，则中间维度将被删除；如果 yi 是标量，那么最后一个维度将被删除。

注意：

构建插值多项式是一个相对昂贵的过程。如果您想重复评估它，请考虑使用KroghInterpolator 类(这是该函数使用的)。

例子：

我们可以使用 Krogh 插值法对二维观测数据进行插值：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.interpolate import krogh_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 = krogh_interpolate(x_observed, y_observed, x)
>>> plt.plot(x_observed, y_observed, "o", label="observation")
>>> plt.plot(x, y, label="krogh interpolation")
>>> plt.legend()
>>> plt.show()