scipy.interpolate.

NearestNDInterpolator

class scipy.interpolate.NearestNDInterpolator(x, y, rescale=False, tree_options=None)

NearestNDInterpolator(x, y).

N > 1 维中的最近邻插值器。

Added in version 0.9.

参数:

x(npoints, ndims) 2-D ndarray of floats

数据点坐标。

y(npoints, ) 1-D ndarray of float or complex

数据值。

重新缩放布尔值，可选

在进行插值之前，将点重新缩放到单位立方体。如果某些输入维度的单位不可比，并且相差许多数量级，这将非常有用。

Added in version 0.14.0.

tree_optionsdict, 可选

传递给底层 cKDTree 的选项。

Added in version 0.17.0.

方法

__call__(*args, **query_options)

在给定点评估插值器。

参见

griddata

插值非结构化的 D-D 数据。

LinearNDInterpolator

N 维的分段线性插值器。

CloughTocher2DInterpolator

二维分段三次、C1 光滑、曲率最小化的插值器。

interpn

在规则网格或矩形网格上的插值。

RegularGridInterpolator

在任意维度的规则或矩形网格上的插值器（interpn 封装了这个类）。

注释

使用 scipy.spatial.cKDTree

备注

对于规则网格上的数据，请改用 interpn。

示例

Try it in your browser!

我们可以在二维平面上插值：

>>> from scipy.interpolate import NearestNDInterpolator
>>> 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 = NearestNDInterpolator(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()

Go BackOpen In Tab