scipy.interpolate.

make_interp_spline#

scipy.interpolate.make_interp_spline(x, y, k=3, t=None, bc_type=None, axis=0, check_finite=True)[源代码][源代码]#

计算插值B样条的(系数)。

参数:
x类数组, 形状 (n,)

横坐标。

yarray_like, 形状 (n, …)

纵坐标。

kint, 可选

B样条度数。默认是三次,k = 3

tarray_like, 形状 (nt + k + 1,), 可选。

结点。结点的数量需要与数据点的数量以及边缘处的导数数量一致。具体来说,nt - n 必须等于 len(deriv_l) + len(deriv_r)

bc_type2-元组或None

边界条件。默认值为 None,这意味着自动选择边界条件。否则,它必须是一个长度为二的元组,其中第一个元素 (deriv_l) 设置 x[0] 处的边界条件,第二个元素 (deriv_r) 设置 x[-1] 处的边界条件。每个元素都必须是一个可迭代的对 (order, value),它给出了插值区间给定边缘处指定阶导数的值。或者,识别以下字符串别名:

  • "clamped": 端点的第一次导数为零。

    等同于 bc_type=([(1, 0.0)], [(1, 0.0)])

  • "natural": 端点的二阶导数为零。这等价于 bc_type=([(2, 0.0)], [(2, 0.0)])

  • "not-a-knot" (默认): 第一段和第二段是相同的多项式。这等同于设置 bc_type=None

  • "periodic": 端点的值和前 k-1 个导数是等价的。

int, 可选

插值轴。默认值为 0。

check_finitebool, 可选

是否检查输入数组是否仅包含有限数字。禁用可能会提高性能,但如果输入包含无穷大或NaN,可能会导致问题(崩溃、非终止)。默认值为True。

返回:
b : 一个度数为 k 且节点为 t 的 BSpline 对象。一个度数为的BSpline对象

参见

BSpline

表示 B 样条对象的基类

CubicSpline

多项式基中的三次样条

make_lsq_spline

用于样条拟合的类似工厂函数

UnivariateSpline

FITPACK 样条拟合例程的包装器

splrep

FITPACK 样条拟合例程的包装器

示例

在切比雪夫节点上使用三次插值:

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> def cheb_nodes(N):
...     jj = 2.*np.arange(N) + 1
...     x = np.cos(np.pi * jj / 2 / N)[::-1]
...     return x
>>> x = cheb_nodes(20)
>>> y = np.sqrt(1 - x**2)
>>> from scipy.interpolate import BSpline, make_interp_spline
>>> b = make_interp_spline(x, y)
>>> np.allclose(b(x), y)
True

请注意,默认情况下使用的是带有非结边界条件的立方样条。

>>> b.k
3

这里我们使用一个 ‘自然’ 样条,边缘处二阶导数为零:

>>> l, r = [(2, 0.0)], [(2, 0.0)]
>>> b_n = make_interp_spline(x, y, bc_type=(l, r))  # or, bc_type="natural"
>>> np.allclose(b_n(x), y)
True
>>> x0, x1 = x[0], x[-1]
>>> np.allclose([b_n(x0, 2), b_n(x1, 2)], [0, 0])
True

参数曲线的插值也是支持的。例如,我们计算极坐标中蜗牛曲线的离散化。

>>> phi = np.linspace(0, 2.*np.pi, 40)
>>> r = 0.3 + np.cos(phi)
>>> x, y = r*np.cos(phi), r*np.sin(phi)  # convert to Cartesian coordinates

构建一个插值曲线,通过角度对其进行参数化

>>> spl = make_interp_spline(phi, np.c_[x, y])

在更细的网格上评估插值(注意我们将结果转置以将其解包为一对 x 和 y 数组)

>>> phi_new = np.linspace(0, 2.*np.pi, 100)
>>> x_new, y_new = spl(phi_new).T

绘制结果

>>> plt.plot(x, y, 'o')
>>> plt.plot(x_new, y_new, '-')
>>> plt.show()
../../_images/scipy-interpolate-make_interp_spline-1_00_00.png

构建一个二维 y 的 B 样条曲线

>>> x = np.linspace(0, 2*np.pi, 10)
>>> y = np.array([np.sin(x), np.cos(x)])

周期性条件满足,因为端点上的y坐标是等价的

>>> ax = plt.axes(projection='3d')
>>> xx = np.linspace(0, 2*np.pi, 100)
>>> bspl = make_interp_spline(x, y, k=5, bc_type='periodic', axis=1)
>>> ax.plot3D(xx, *bspl(xx))
>>> ax.scatter3D(x, *y, color='red')
>>> plt.show()
../../_images/scipy-interpolate-make_interp_spline-1_01_00.png