scipy.interpolate.

interpn#

scipy.interpolate.interpn(points, values, xi, method='linear', bounds_error=True, fill_value=nan)[source]#

在規則或等距網格上的多維插值。

嚴格來說，並非所有規則網格都受支援 - 此函數適用於等距網格，即具有均勻或不均勻間距的矩形網格。

參數:

pointstuple of ndarray of float, shape 為 (m1, ), …, (mn, ): 定義 n 維度規則網格的點。每個維度中的點（即 points tuple 的每個元素）必須嚴格遞增或遞減。
valuesarray_like，shape 為 (m1, …, mn, …): n 維度規則網格上的資料。接受複數資料。

Deprecated since version 1.13.0: 複數資料在使用 method="pchip" 時已被棄用，並將在 SciPy 1.15.0 中引發錯誤。這是因為 PchipInterpolator 僅適用於實數值。如果您嘗試使用傳遞陣列的實部，請在 values 上使用 np.real。
xindarray，shape 為 (…, ndim): 要在網格化資料上採樣的座標
methodstr，optional: 要執行的插值方法。支援 “linear”、“nearest”、“slinear”、“cubic”、“quintic”、“pchip” 和 “splinef2d”。“splinef2d” 僅支援二維資料。
bounds_errorbool，optional: 如果為 True，當請求的插值值超出輸入資料的域時，將引發 ValueError。如果為 False，則使用 fill_value。
fill_valuenumber，optional: 如果提供，則用於網格域外點的值。如果為 None，則網格域外的點會被外插。方法 “splinef2d” 不支援外插。

返回:

values_xndarray，shape 為 xi.shape[:-1] + values.shape[ndim:]: 在 xi 處的插值。有關 xi.ndim == 1 時的行為，請參閱註釋。

另請參閱

NearestNDInterpolator: N 維度非結構化資料上的最近鄰插值
LinearNDInterpolator: N 維度非結構化資料上的分段線性插值
RegularGridInterpolator: 任意維度規則或等距網格上的插值（interpn 包裝了這個類別）。
RectBivariateSpline: 矩形網格上的雙變數 spline 近似
scipy.ndimage.map_coordinates: 在間距相等的網格上進行插值（適用於例如 N 維影像重新取樣）

註釋

在 0.14 版本中新增。

如果 xi.ndim == 1，則會在傳回的陣列 values_x 的位置 0 插入一個新軸，因此其 shape 會改為 (1,) + values.shape[ndim:]。

如果輸入資料的輸入維度具有不可比較的單位，並且相差多個數量級，則插值器可能會出現數值瑕疵。考慮在插值之前重新調整資料的尺度。

範例

在規則 3-D 網格的點上評估一個簡單的範例函數

>>> import numpy as np
>>> from scipy.interpolate import interpn
>>> def value_func_3d(x, y, z):
...     return 2 * x + 3 * y - z
>>> x = np.linspace(0, 4, 5)
>>> y = np.linspace(0, 5, 6)
>>> z = np.linspace(0, 6, 7)
>>> points = (x, y, z)
>>> values = value_func_3d(*np.meshgrid(*points, indexing='ij'))

在某個點評估插值函數

>>> point = np.array([2.21, 3.12, 1.15])
>>> print(interpn(points, values, point))
[12.63]