scipy.interpolate.

RectBivariateSpline#

class scipy.interpolate.RectBivariateSpline(x, y, z, bbox=[None, None, None, None], kx=3, ky=3, s=0)[源代码][源代码]#

双变量样条在矩形网格上的逼近。

可用于数据平滑和插值。

参数:

x,yarray_like: 严格升序的1-D坐标数组。数据范围外的评估点将被外推。
zarray_like: 形状为 (x.size, y.size) 的二维数据数组。
bbox类似数组, 可选: 长度为4的序列，指定矩形近似域的边界，这意味着每个维度的起始和结束样条节点由这些值设置。默认情况下，bbox=[min(x), max(x), min(y), max(y)]。
kx, kyints, 可选: 双变量样条的度数。默认值为3。
sfloat, 可选: 为估计条件定义的正平滑因子：sum((z[i]-f(x[i], y[i]))**2, axis=0) <= s 其中 f 是一个样条函数。默认值为 s=0，用于插值。

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

注释

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。