Python SciPy SmoothSphereBivariateSpline.__call__用法及代碼示例

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

用法:

SmoothSphereBivariateSpline.__call__(theta, phi, dtheta=0, dphi=0, grid=True)#

評估給定位置處的樣條曲線或其導數。

參數 ：：

theta, phi： array_like

輸入坐標。

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

如果網格為 True：在由坐標數組 theta、phi 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")並且與默認排序不一致np.meshgrid(..., indexing="xy").

dtheta： 整數，可選

theta-derivative的訂單

dphi： int

phi-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：

假設我們要使用樣條線在球體上插值二元函數。該函數的值在經度和緯度網格上已知。

>>> import numpy as np
>>> from scipy.interpolate import RectSphereBivariateSpline
>>> def f(theta, phi):
...     return np.sin(theta) * np.cos(phi)

我們評估網格上的函數。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。

>>> thetaarr = np.linspace(0, np.pi, 22)[1:-1]
>>> phiarr = np.linspace(0, 2 * np.pi, 21)[:-1]
>>> thetagrid, phigrid = np.meshgrid(thetaarr, phiarr, indexing="ij")
>>> zdata = f(thetagrid, phigrid)

接下來我們設置插值器並使用它在更精細的網格上評估函數。

>>> rsbs = RectSphereBivariateSpline(thetaarr, phiarr, zdata)
>>> thetaarr_fine = np.linspace(0, np.pi, 200)
>>> phiarr_fine = np.linspace(0, 2 * np.pi, 200)
>>> zdata_fine = rsbs(thetaarr_fine, phiarr_fine)

最後，我們將 coarsly-sampled 輸入數據與 finely-sampled 插值數據一起繪製，以檢查它們是否一致。

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