Python SciPy interpolate.LinearNDInterpolator用法及代碼示例

本文簡要介紹 python 語言中 scipy.interpolate.LinearNDInterpolator 的用法。

用法:

class  scipy.interpolate.LinearNDInterpolator(points, values, fill_value=np.nan, rescale=False)#

N > 1 維的分段線性插值。

參數 ：：

points： ndarray 浮點數，形狀(npoints，ndims)；或德勞內

數據點坐標的二維數組，或預先計算的 Delaunay 三角剖分。

values： 浮點數或複數的 ndarray，形狀(npoints，...)，可選

N-D 點數據值數組。沿第一個軸的值的長度必須等於點的長度。與某些插補器不同，插補軸無法更改。

fill_value： 浮點數，可選

用於填充輸入點凸包之外的請求點的值。如果未提供，則默認值為 nan 。

rescale： 布爾型，可選

在執行插值之前將點重新縮放到單位立方體。如果某些輸入維度具有不可比較的單位並且相差許多數量級，這將很有用。

注意：

插值是通過使用 Qhull [1] 對輸入數據進行三角剖分來構造的，並在每個三角形上執行線性重心插值。

注意

對於常規網格上的數據，請改用 interpn 。

參考：

[1]

http://www.qhull.org/

例子：

我們可以在 2D 平麵上插值：

>>> from scipy.interpolate import LinearNDInterpolator
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> x = rng.random(10) - 0.5
>>> y = rng.random(10) - 0.5
>>> z = np.hypot(x, y)
>>> X = np.linspace(min(x), max(x))
>>> Y = np.linspace(min(y), max(y))
>>> X, Y = np.meshgrid(X, Y)  # 2D grid for interpolation
>>> interp = LinearNDInterpolator(list(zip(x, y)), z)
>>> Z = interp(X, Y)
>>> plt.pcolormesh(X, Y, Z, shading='auto')
>>> plt.plot(x, y, "ok", label="input point")
>>> plt.legend()
>>> plt.colorbar()
>>> plt.axis("equal")
>>> plt.show()