Python SciPy interpolate.Rbf用法及代碼示例

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

用法:

class  scipy.interpolate.Rbf(*args, **kwargs)#

從N-D分散數據到M-D域的徑向基函數插值類。

遺產

此類被視為遺留類，將不再接收更新。這也可能意味著它將在未來的 SciPy 版本中被刪除。 Rbf 是舊代碼，對於新用途，請改用 RBFInterpolator 。

參數 ：：

*args： 數組

x, y, z, ..., d, 其中 x, y, z, ... 是節點的坐標，d 是節點處的值數組

function： str 或可調用，可選

徑向基函數，基於由範數給出的半徑 r(默認為歐幾裏得距離)；默認為‘multiquadric’：

'multiquadric': sqrt((r/self.epsilon)**2 + 1)
'inverse': 1.0/sqrt((r/self.epsilon)**2 + 1)
'gaussian': exp(-(r/self.epsilon)**2)
'linear': r
'cubic': r**3
'quintic': r**5
'thin_plate': r**2 * log(r)

如果可調用，則它必須采用 2 個參數(self，r)。 epsilon 參數將作為 self.epsilon 提供。其他傳入的關鍵字參數也將可用。

epsilon： 浮點數，可選

高斯或多二次函數的可調常數 - 默認為節點之間的近似平均距離(這是一個好的開始)。

smooth： 浮點數，可選

大於零的值會增加近似的平滑度。 0 用於插值(默認)，在這種情況下，函數將始終通過節點。

norm： str，可調用，可選

返回兩點之間的‘distance’ 的函數，輸入為位置數組(x、y、z、...)，輸出為距離數組。例如，默認值：‘euclidean’，使得結果是到每個點的距離矩陣x1到每個點x2.有關更多選項，請參閱文檔scipy.spatial.distances.cdist.

mode： str，可選

插值模式，可以是“一維”(默認)或“N-D”。當它是“一維”時，數據 d 將被視為一維並在內部展平。當它是“N-D”時，數據 d 被假定為一個形狀為 (n_samples, m) 的數組，其中 m 是目標域的維度。

例子：

>>> import numpy as np
>>> from scipy.interpolate import Rbf
>>> rng = np.random.default_rng()
>>> x, y, z, d = rng.random((4, 50))
>>> rbfi = Rbf(x, y, z, d)  # radial basis function interpolator instance
>>> xi = yi = zi = np.linspace(0, 1, 20)
>>> di = rbfi(xi, yi, zi)   # interpolated values
>>> di.shape
(20,)

屬性 ：：

N： int

數據點的數量(由輸入數組確定)。

di： ndarray

每個數據坐標 xi 處的一維數據值數組。

xi： ndarray

數據坐標的二維數組。

function： str 或可調用

徑向基函數。請參閱參數下的說明。

epsilon： 浮點數

高斯或多二次函數使用的參數。請參閱參數。

smooth： 浮點數

平滑參數。請參閱參數下的說明。

norm： str 或可調用

距離函數。請參閱參數下的說明。

mode： str

插值模式。請參閱參數下的說明。

nodes： ndarray

用於插值的一維節點值數組。

A： 內部屬性，請勿使用