scipy.interpolate.LSQBivariateSpline.

ev

LSQBivariateSpline.ev(xi, yi, dx=0, dy=0)

在點上評估 spline

傳回在 (xi[i], yi[i]), i=0,...,len(xi)-1 的內插值。

參數:

xi, yiarray_like

輸入座標。遵循標準 Numpy 廣播規則。軸的順序與 np.meshgrid(..., indexing="ij") 一致，且與預設順序 np.meshgrid(..., indexing="xy") 不一致。

dxint, optional

x 導數的階數

在版本 0.14.0 中新增。

dyint, optional

y 導數的階數

在版本 0.14.0 中新增。

範例

在您的瀏覽器中試試看！

假設我們想要在 2 維空間中雙線性內插一個指數衰減函數。

>>> import numpy as np
>>> from scipy.interpolate import RectBivariateSpline
>>> def f(x, y):
...     return np.exp(-np.sqrt((x / 2) ** 2 + y**2))

我們在粗網格上取樣函數並設定內插器。請注意，meshgrid 的預設 indexing="xy" 會在內插後產生非預期的（轉置）結果。

>>> xarr = np.linspace(-3, 3, 21)
>>> yarr = np.linspace(-3, 3, 21)
>>> xgrid, ygrid = np.meshgrid(xarr, yarr, indexing="ij")
>>> zdata = f(xgrid, ygrid)
>>> rbs = RectBivariateSpline(xarr, yarr, zdata, kx=1, ky=1)

接下來，我們使用內插法，沿著對角切片在更精細的網格上取樣座標空間中的函數。

>>> xinterp = np.linspace(-3, 3, 201)
>>> yinterp = np.linspace(3, -3, 201)
>>> zinterp = rbs.ev(xinterp, yinterp)

並檢查內插是否作為沿切片到原點距離的函數通過函數評估。

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(1, 1, 1)
>>> ax1.plot(np.sqrt(xarr**2 + yarr**2), np.diag(zdata), "or")
>>> ax1.plot(np.sqrt(xinterp**2 + yinterp**2), zinterp, "-b")
>>> plt.show()

返回在新分頁中開啟