scipy.interpolate.CubicSpline.

from_spline

classmethod CubicSpline.from_spline(tck, extrapolate=None)

从样条曲线构建分段多项式

参数:

tck

由 splrep 返回的样条曲线或 BSpline 对象。

外推布尔值或 ‘periodic’，可选

如果是布尔值，决定是否根据第一个和最后一个区间对边界外的点进行外推，或者返回NaN。如果是’periodic’，则使用周期性外推。默认为True。

示例

Try it in your browser!

构建一个插值样条并将其转换为 PPoly 实例

>>> import numpy as np
>>> from scipy.interpolate import splrep, PPoly
>>> x = np.linspace(0, 1, 11)
>>> y = np.sin(2*np.pi*x)
>>> tck = splrep(x, y, s=0)
>>> p = PPoly.from_spline(tck)
>>> isinstance(p, PPoly)
True

请注意，此函数仅支持开箱即用的1D样条。

如果 tck 对象表示一个参数样条（例如通过 splprep 构造或 c.ndim > 1 的 BSpline），你需要手动循环遍历维度。

>>> from scipy.interpolate import splprep, splev
>>> t = np.linspace(0, 1, 11)
>>> x = np.sin(2*np.pi*t)
>>> y = np.cos(2*np.pi*t)
>>> (t, c, k), u = splprep([x, y], s=0)

注意 c 是一个包含两个长度为11的数组的列表。

>>> unew = np.arange(0, 1.01, 0.01)
>>> out = splev(unew, (t, c, k))

要将这个样条转换为幂基，我们将列表 c 中的每个b样条系数分量转换为相应的三次多项式。

>>> polys = [PPoly.from_spline((t, cj, k)) for cj in c]
>>> polys[0].c.shape
(4, 14)

注意，多项式 polys 的系数在幂基中，它们的维度反映了这一点：这里 4 是阶数（度数+1），14 是区间数——这不过是原始 tck 的节点数组的长度减一。

可选地，我们可以将组件沿第三维度堆叠成一个 PPoly：

>>> cc = np.dstack([p.c for p in polys])    # has shape = (4, 14, 2)
>>> poly = PPoly(cc, polys[0].x)
>>> np.allclose(poly(unew).T,     # note the transpose to match `splev`
...             out, atol=1e-15)
True

Go BackOpen In Tab