scipy.interpolate.

interpn

scipy.interpolate.interpn(points, values, xi, method='linear', bounds_error=True, fill_value=nan)

在规则或矩形网格上的多维插值。

严格来说，并非所有常规网格都受支持 - 此功能适用于 规则 网格，即具有均匀或不均匀间距的矩形网格。

参数:

点浮点数 ndarray 的元组，形状分别为 (m1, ), …, (mn, )

定义 n 维规则网格的点。每个维度中的点（即 points 元组的每个元素）必须严格递增或递减。

值array_like, 形状 (m1, …, mn, …)

n维规则网格上的数据。接受复杂数据。

自 1.13.0 版本弃用: 使用 method="pchip" 处理复杂数据已被弃用，并在 SciPy 1.15.0 中将引发错误。这是因为 PchipInterpolator 仅适用于实数值。如果您尝试使用传递数组的实部，请对 values 使用 np.real。

xi形状为 (…, ndim) 的 ndarray

采样网格数据的坐标

方法str, 可选

要执行的插值方法。支持的方法有 “linear”、”nearest”、”slinear”、”cubic”、”quintic”、”pchip” 和 “splinef2d”。”splinef2d” 仅支持二维数据。

bounds_errorbool, 可选

如果为 True，当请求的插值值超出输入数据的范围时，会引发 ValueError。如果为 False，则使用 fill_value。

fill_value数字，可选

如果提供，则使用此值作为插值域外的点。如果为 None，域外的值将被外推。外推不支持方法 “splinef2d”。

返回:

values_xndarray, 形状 xi.shape[:-1] + values.shape[ndim:]

在 xi 处的插值值。当 xi.ndim == 1 时的行为请参见注释。

参见

NearestNDInterpolator

N 维非结构化数据上的最近邻插值

LinearNDInterpolator

在 N 维非结构化数据上的分段线性插值

RegularGridInterpolator

在任意维度的规则或矩形网格上的插值（interpn 封装了这个类）。

RectBivariateSpline

双变量样条逼近在矩形网格上

scipy.ndimage.map_coordinates

在等间距网格上的插值（适用于例如 N-D 图像重采样）

注释

Added in version 0.14.

在 xi.ndim == 1 的情况下，一个新的轴被插入到返回数组 values_x 的第 0 位置，因此其形状变为 (1,) + values.shape[ndim:]。

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。建议在插值前重新调整数据。

示例

Try it in your browser!

在规则的3-D网格点上评估一个简单的示例函数：

>>> import numpy as np
>>> from scipy.interpolate import interpn
>>> def value_func_3d(x, y, z):
...     return 2 * x + 3 * y - z
>>> x = np.linspace(0, 4, 5)
>>> y = np.linspace(0, 5, 6)
>>> z = np.linspace(0, 6, 7)
>>> points = (x, y, z)
>>> values = value_func_3d(*np.meshgrid(*points, indexing='ij'))

在一点处评估插值函数

>>> point = np.array([2.21, 3.12, 1.15])
>>> print(interpn(points, values, point))
[12.63]

Go BackOpen In Tab