scipy.interpolate.

interp1d#

class scipy.interpolate.interp1d(x, y, kind='linear', axis=-1, copy=True, bounds_error=None, fill_value=nan, assume_sorted=False)[源代码][源代码]#

插值一个一维函数。

传统

此类被视为遗留类，将不再接收更新。这也可能意味着它将在未来的 SciPy 版本中被移除。有关 interp1d 的预期替代指南，请参阅 教程-插值_1D部分。

x 和 y 是用于近似某个函数 f: y = f(x) 的值数组。此类返回一个函数，其调用方法使用插值来查找新点的值。

参数:
x(npoints, ) array_like

一个实数值的一维数组。

y(…, npoints, …) array_like

一个 N 维实数数组。y 沿插值轴的长度必须等于 x 的长度。使用 axis 参数选择正确的轴。与其他插值器不同，默认的插值轴是 y 的最后一个轴。

种类str 或 int，可选

指定插值的类型为字符串或整数，该整数指定要使用的样条插值器的阶数。字符串必须是以下之一：’linear’, ‘nearest’, ‘nearest-up’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘previous’, 或 ‘next’。’zero’, ‘slinear’, ‘quadratic’ 和 ‘cubic’ 指的是零阶、一阶、二阶或三阶的样条插值；’previous’ 和 ‘next’ 简单地返回该点的上一个或下一个值；’nearest-up’ 和 ‘nearest’ 在插值半整数（例如 0.5, 1.5）时有所不同，其中 ‘nearest-up’ 向上取整，而 ‘nearest’ 向下取整。默认是 ‘linear’。

轴int, 可选

y 数组中对应于 x 坐标值的轴。与其他插值器不同，默认为 axis=-1。

复制bool, 可选

如果 True ，该类会创建 x 和 y 的内部副本。如果 False ，则尽可能使用对 x 和 y 的引用。默认是复制。

bounds_errorbool, 可选

如果为True，则在尝试对x范围之外的值进行插值时（需要外推时），会引发ValueError。如果为False，则超出范围的值将被赋值为`fill_value`。默认情况下，除非``fill_value=”extrapolate”``，否则会引发错误。

fill_value类似数组或（类似数组，类似数组）或“外推”，可选

  • 如果是一个 ndarray（或 float），这个值将被用于填充数据范围之外的请求点。如果没有提供，则默认值为 NaN。类数组对象必须能够正确地广播到非插值轴的维度。

  • 如果是一个两元素的元组，那么第一个元素用于 x_new < x[0] 的填充值，第二个元素用于 x_new > x[-1] 的填充值。任何不是两元素元组（例如，列表或 ndarray，无论形状如何）都被视为单个类数组参数，意味着在两个边界上都使用 below, above = fill_value, fill_value。使用两元素元组或 ndarray 需要 bounds_error=False。

    Added in version 0.17.0.

  • 如果选择“外推”，则数据范围外的点将被外推。

    Added in version 0.17.0.

assume_sortedbool, 可选

如果为 False，x 的值可以是任意顺序，它们会先进行排序。如果为 True，x 必须是一个单调递增值的数组。

属性:
fill_value

填充值。

方法

__call__(x)

评估插值函数

参见

splrep, splev

基于 FITPACK 的样条插值/平滑。

UnivariateSpline

一个面向对象的 FITPACK 例程包装器。

interp2d

2-D 插值

注释

在输入值中存在 NaNs 的情况下调用 interp1d 会导致未定义行为。

输入值 x 和 y 必须可以转换为 float 值，如 int 或 float。

如果 x 中的值不是唯一的，结果行为是未定义的，并且特定于 kind 的选择，即更改 kind 将改变重复值的行为。

示例

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy import interpolate
>>> x = np.arange(0, 10)
>>> y = np.exp(-x/3.0)
>>> f = interpolate.interp1d(x, y)

>>> xnew = np.arange(0, 9, 0.1)
>>> ynew = f(xnew)   # use interpolation function returned by `interp1d`
>>> plt.plot(x, y, 'o', xnew, ynew, '-')
>>> plt.show()
../../_images/scipy-interpolate-interp1d-1.png
On this page