scipy.interpolate.

krogh_插值

scipy.interpolate.krogh_interpolate(xi, yi, x, der=0, axis=0)

用于多项式插值的便捷函数。

更多详情请参见 KroghInterpolator。

参数:

xiarray_like

插值点（已知的 x 坐标）。

一array_like

已知的 y 坐标，形状为 (xi.size, R)。解释为长度为 R 的向量，或者当 R=1 时为标量。

xarray_like

要评估导数的点或点。

derint 或 list 或 None, 可选

要计算的导数数量，或者为所有可能非零的导数（即等于点数的数量），或者是一个要计算的导数列表。这个数量包括函数值作为’第0阶’导数。

轴int, 可选

yi 数组中对应于 x 坐标值的轴。

返回:

dndarray

如果插值器的值是 R-D，则返回的数组将是导数的数量乘以 N 乘以 R。如果 x 是标量，中间维度将被删除；如果 yi 是标量，则最后一个维度将被删除。

参见

KroghInterpolator

Krogh 插值器

注释

构造插值多项式是一个相对昂贵的过程。如果你想重复评估它，考虑使用 KroghInterpolator 类（这是此函数所使用的）。

示例

Try it in your browser!

我们可以使用 Krogh 插值法对 2D 观测数据进行插值：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.interpolate import krogh_interpolate
>>> x_observed = np.linspace(0.0, 10.0, 11)
>>> y_observed = np.sin(x_observed)
>>> x = np.linspace(min(x_observed), max(x_observed), num=100)
>>> y = krogh_interpolate(x_observed, y_observed, x)
>>> plt.plot(x_observed, y_observed, "o", label="observation")
>>> plt.plot(x, y, label="krogh interpolation")
>>> plt.legend()
>>> plt.show()

Go BackOpen In Tab