scipy.interpolate.LSQSphereBivariateSpline.

ev

LSQSphereBivariateSpline.ev(theta, phi, dtheta=0, dphi=0)

在點上評估 spline

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

參數:

theta, phiarray_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。

dthetaint, optional

theta 導數的階數

在版本 0.14.0 中新增。

dphiint, optional

phi 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！

假設我們想要使用 spline 在球面上內插一個雙變數函數。函數的值在經度和餘緯的網格上已知。

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

我們在網格上評估函數。請注意，meshgrid 的預設 indexing=”xy” 將導致內插後出現非預期的（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，我們設定內插器，並使用它來評估不在原始網格上的點的函數值。

>>> rsbs = RectSphereBivariateSpline(thetaarr, phiarr, zdata)
>>> thetainterp = np.linspace(thetaarr[0], thetaarr[-1], 200)
>>> phiinterp = np.linspace(phiarr[0], phiarr[-1], 200)
>>> zinterp = rsbs.ev(thetainterp, phiinterp)

最後，我們繪製通過初始網格的對角切片的原始資料，以及沿著相同切片的 spline 近似值。

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(1, 1, 1)
>>> ax1.plot(np.sin(thetaarr) * np.sin(phiarr), np.diag(zdata), "or")
>>> ax1.plot(np.sin(thetainterp) * np.sin(phiinterp), zinterp, "-b")
>>> plt.show()

返回在新分頁中開啟