scipy.interpolate.

LinearNDInterpolator

class scipy.interpolate.LinearNDInterpolator(points, values, fill_value=np.nan, rescale=False)

N > 1 維度的分段線性插值器。

在 0.9 版本中新增。

參數:

points浮點數的 ndarray，形狀為 (npoints, ndims)；或 Delaunay

資料點座標的 2 維陣列，或預先計算的 Delaunay 三角剖分。

values浮點數或複數的 ndarray，形狀為 (npoints, …)，可選

在 points 處的資料值的 N 維陣列。values 沿著第一軸的長度必須等於 points 的長度。與某些插值器不同，插值軸無法更改。

fill_value浮點數，可選

用於填充輸入點的凸包外部請求點的值。如果未提供，則預設值為 nan。

rescale布林值，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公約的單位並且相差許多數量級，則這很有用。

另請參閱

griddata

插值非結構化的 D 維資料。

NearestNDInterpolator

N 維度的最近鄰插值器。

CloughTocher2DInterpolator

2D 中分段三次、C1 平滑、曲率最小化的插值器。

interpn

在規則網格或直線網格上進行插值。

RegularGridInterpolator

任意維度中規則或直線網格上的插值器 (interpn 包裝了這個類別)。

註解

插值器是通過使用 Qhull [1] 對輸入資料進行三角剖分來構建的，並且在每個三角形上執行線性重心插值。

注意

對於規則網格上的資料，請改用 interpn。

參考文獻

[1]

http://www.qhull.org/

範例

在您的瀏覽器中試試看！

我們可以在 2D 平面上插值。

>>> from scipy.interpolate import LinearNDInterpolator
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> x = rng.random(10) - 0.5
>>> y = rng.random(10) - 0.5
>>> z = np.hypot(x, y)
>>> X = np.linspace(min(x), max(x))
>>> Y = np.linspace(min(y), max(y))
>>> X, Y = np.meshgrid(X, Y)  # 2D grid for interpolation
>>> interp = LinearNDInterpolator(list(zip(x, y)), z)
>>> Z = interp(X, Y)
>>> plt.pcolormesh(X, Y, Z, shading='auto')
>>> plt.plot(x, y, "ok", label="input point")
>>> plt.legend()
>>> plt.colorbar()
>>> plt.axis("equal")
>>> plt.show()

返回在新分頁中開啟

方法

__call__(xi)

在給定點評估插值器。