numpy.interp#

numpy.interp(x, xp, fp, left=None, right=None, period=None)[源代码]#

用于单调递增样本点的一维线性插值.

返回一个给定离散数据点 (xp, fp) 的一维分段线性插值函数,在 x 处进行评估.

参数:
xarray_like

要评估插值值的 x 坐标.

xp1-D 浮点数序列

数据点的x坐标,如果未指定参数 period ,则必须递增.否则,`xp` 会在用 xp = xp % period 归一化周期边界后内部排序.

fp一维的浮点数或复数序列

数据点的 y 坐标,长度与 xp 相同.

left可选的浮点数或复数,对应于 fp

对于 x < xp[0] 返回的值,默认是 fp[0].

right可选的浮点数或复数,对应于 fp

对于 x > xp[-1] 返回的值,默认是 fp[-1].

periodNone 或 浮点数, 可选

x 坐标的一个周期.此参数允许对角 x 坐标进行适当的插值.如果指定了 period ,则忽略参数 left 和 right.

在 1.10.0 版本加入.

返回:
y浮点数或复数（对应于 fp）或 ndarray

插值后的值,与 x 形状相同.

引发:
ValueError

如果 xp 和 fp 长度不同 如果 xp 或 fp 不是 1-D 序列 如果 period == 0

警告

x-坐标序列应为递增,但这一点并未明确强制执行.然而,如果序列 xp 是非递增的,插值结果将毫无意义.

注意,由于 NaN 是不可排序的,`xp` 也不能包含 NaNs.

一个简单的检查 xp 是否严格递增的方法是:

np.all(np.diff(xp) > 0)

参见

scipy.interpolate

示例

>>> import numpy as np
>>> xp = [1, 2, 3]
>>> fp = [3, 2, 0]
>>> np.interp(2.5, xp, fp)
1.0
>>> np.interp([0, 1, 1.5, 2.72, 3.14], xp, fp)
array([3.  , 3.  , 2.5 , 0.56, 0.  ])
>>> UNDEF = -99.0
>>> np.interp(3.14, xp, fp, right=UNDEF)
-99.0

绘制正弦函数的插值:

>>> x = np.linspace(0, 2*np.pi, 10)
>>> y = np.sin(x)
>>> xvals = np.linspace(0, 2*np.pi, 50)
>>> yinterp = np.interp(xvals, x, y)
>>> import matplotlib.pyplot as plt
>>> plt.plot(x, y, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.plot(xvals, yinterp, '-x')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.show()
../../_images/numpy-interp-1_00_00.png

使用周期性x坐标的插值:

>>> x = [-180, -170, -185, 185, -10, -5, 0, 365]
>>> xp = [190, -190, 350, -350]
>>> fp = [5, 10, 3, 4]
>>> np.interp(x, xp, fp, period=360)
array([7.5 , 5.  , 8.75, 6.25, 3.  , 3.25, 3.5 , 3.75])

复杂插值:

>>> x = [1.5, 4.0]
>>> xp = [2,3,5]
>>> fp = [1.0j, 0, 2+3j]
>>> np.interp(x, xp, fp)
array([0.+1.j , 1.+1.5j])
On this page