scipy.interpolate.

LSQBivariateSpline

class scipy.interpolate.LSQBivariateSpline(x, y, z, tx, ty, w=None, bbox=[None, None, None, None], kx=3, ky=3, eps=None)

加权最小二乘双变量样条逼近。

参数:

x, y, zarray_like

一维数据点序列（顺序不重要）。

tx, tyarray_like

严格有序的结点坐标一维序列。

w类似数组, 可选

权重的一维正数组，长度与 x、y 和 z 相同。

bbox(4,) 数组类, 可选

指定矩形近似域边界的4个长度序列。默认情况下，bbox=[min(x,tx),max(x,tx), min(y,ty),max(y,ty)]。

kx, kyints, 可选

双变量样条的度数。默认值为3。

epsfloat, 可选

确定超定线性方程组有效秩的阈值。eps 的值应在开区间 (0, 1) 内，默认值为 1e-16。

方法

__call__(x, y[, dx, dy, grid])	在给定位置评估样条曲线或其导数。
ev(xi, yi[, dx, dy])	在点处评估样条
get_coeffs()	返回样条系数。
get_knots()	返回一个元组 (tx, ty)，其中 tx, ty 分别包含样条相对于 x 和 y 变量的节点位置。
get_residual()	返回样条逼近的加权平方残差和：sum ((w[i]*(z[i]-s(x[i],y[i])))**2,axis=0)
integral(xa, xb, ya, yb)	计算样条在区域 [xa, xb] x [ya, yb] 上的积分。
partial_derivative(dx, dy)	构建一个新的样条，表示此样条的偏导数。

参见

BivariateSpline

用于双变量样条的基类。

UnivariateSpline

一个平滑的单变量样条曲线，用于拟合给定的数据点。

SmoothBivariateSpline

通过给定点平滑的双变量样条

RectSphereBivariateSpline

球面上矩形网格上的二元样条

SmoothSphereBivariateSpline

球坐标系中的平滑二元样条

LSQSphereBivariateSpline

使用加权最小二乘拟合的球坐标系中的二元样条

RectBivariateSpline

在矩形网格上的双变量样条。

bisplrep

一个用于找到曲面的双变量B样条表示的函数

bisplev

一个用于评估双变量B样条及其导数的函数

注释

x, y 和 z 的长度应至少为 (kx+1) * (ky+1)。

如果输入数据使得输入维度的单位不一致且相差多个数量级，插值函数可能会出现数值伪影。建议在插值前对数据进行重新缩放。