Python SciPy SmoothBivariateSpline.__call__用法及代碼示例

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

用法:

SmoothBivariateSpline.__call__(x, y, dx=0, dy=0, grid=True)#

評估給定位置處的樣條曲線或其導數。

參數 ：：

x, y： array_like

輸入坐標。

如果網格為 False，在點處評估樣條線(x[i], y[i]), i=0, ..., len(x)-1。遵循標準 Numpy 廣播。

如果 grid 為 True：在由坐標數組 x、y 定義的網格點處計算樣條線。數組必須按升序排序。

軸的順序與 np.meshgrid(..., indexing="ij") 一致，與默認順序 np.meshgrid(..., indexing="xy") 不一致。

dx： int

x-derivative的訂單

dy： int

y-derivative的訂單

grid： bool

是否在輸入數組跨越的網格上或在輸入數組指定的點上評估結果。

例子：

假設我們想要在二維上對一個指數衰減函數進行雙線性插值。

>>> import numpy as np
>>> from scipy.interpolate import RectBivariateSpline

我們在粗網格上對函數進行采樣。請注意，網格網格的默認索引 =”xy” 會導致插值後出現意外(轉置)結果。

>>> xarr = np.linspace(-3, 3, 100)
>>> yarr = np.linspace(-3, 3, 100)
>>> xgrid, ygrid = np.meshgrid(xarr, yarr, indexing="ij")

插值函數沿一個軸比另一軸衰減得更快。

>>> zdata = np.exp(-np.sqrt((xgrid / 2) ** 2 + ygrid**2))

接下來，我們使用插值在更精細的網格上進行采樣(對於雙線性，kx=ky=1)。

>>> rbs = RectBivariateSpline(xarr, yarr, zdata, kx=1, ky=1)
>>> xarr_fine = np.linspace(-3, 3, 200)
>>> yarr_fine = np.linspace(-3, 3, 200)
>>> xgrid_fine, ygrid_fine = np.meshgrid(xarr_fine, yarr_fine, indexing="ij")
>>> zdata_interp = rbs(xgrid_fine, ygrid_fine, grid=False)

並通過繪製兩者來檢查結果是否與輸入一致。

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(1, 2, 1, aspect="equal")
>>> ax2 = fig.add_subplot(1, 2, 2, aspect="equal")
>>> ax1.imshow(zdata)
>>> ax2.imshow(zdata_interp)
>>> plt.show()