Python SciPy interpolate.griddata用法及代碼示例

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

用法:

scipy.interpolate.griddata(points, values, xi, method='linear', fill_value=nan, rescale=False)#

插入非結構化D-D 數據。

參數 ：：

points： 具有形狀 (n, D) 的浮點數的二維 ndarray，或具有形狀 (n,) 的一維 ndarray 的長度 D 元組。

數據點坐標。

values： 浮點數或複數的ndarray，形狀(n，)

數據值。

xi： 具有形狀 (m, D) 或長度為 D 的 ndarray 元組的二維 ndarray 可廣播到相同形狀。

插入數據的點。

method： {‘linear’, ‘nearest’, ‘cubic’}，可選

插值方法。之一

nearest

返回最接近插值點的數據點的值。有關詳細信息，請參閱 NearestNDInterpolator 。

linear

將設置為 N-D 單純形的輸入點細分，並在每個單純形上進行線性插值。有關詳細信息，請參閱 LinearNDInterpolator 。

cubic(一維)

返回從三次樣條確定的值。

cubic(二維)

返回從分段三次、連續可微 (C1) 和近似 curvature-minimizing 多項式曲麵確定的值。有關詳細信息，請參閱 CloughTocher2DInterpolator 。

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 。此選項對‘nearest’ 方法無效。

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。

返回 ：：

ndarray

插值數組。

注意：

注意

對於常規網格上的數據，請改用 interpn 。

例子：

假設我們要對二維函數進行插值

>>> import numpy as np
>>> def func(x, y):
...     return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2

在 [0, 1]x[0, 1] 的網格上

>>> grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j]

但我們隻知道它在 1000 個數據點處的值：

>>> rng = np.random.default_rng()
>>> points = rng.random((1000, 2))
>>> values = func(points[:,0], points[:,1])

這可以使用 griddata 來完成 - 下麵我們嘗試所有插值方法：

>>> from scipy.interpolate import griddata
>>> grid_z0 = griddata(points, values, (grid_x, grid_y), method='nearest')
>>> grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear')
>>> grid_z2 = griddata(points, values, (grid_x, grid_y), method='cubic')

可以看到，所有方法都在某種程度上重現了確切的結果，但是對於這個平滑函數，分段三次插值法給出了最好的結果：

>>> import matplotlib.pyplot as plt
>>> plt.subplot(221)
>>> plt.imshow(func(grid_x, grid_y).T, extent=(0,1,0,1), origin='lower')
>>> plt.plot(points[:,0], points[:,1], 'k.', ms=1)
>>> plt.title('Original')
>>> plt.subplot(222)
>>> plt.imshow(grid_z0.T, extent=(0,1,0,1), origin='lower')
>>> plt.title('Nearest')
>>> plt.subplot(223)
>>> plt.imshow(grid_z1.T, extent=(0,1,0,1), origin='lower')
>>> plt.title('Linear')
>>> plt.subplot(224)
>>> plt.imshow(grid_z2.T, extent=(0,1,0,1), origin='lower')
>>> plt.title('Cubic')
>>> plt.gcf().set_size_inches(6, 6)
>>> plt.show()