numpy.interp #
- 麻木的。interp ( x , xp , fp , left = None , right = None , period = None ) [来源] #
单调增加样本点的一维线性插值。
将一维分段线性插值返回到具有给定离散数据点 ( xp , fp ) 的函数,并在x处求值。
- 参数:
- x类似数组
用于评估插值的 x 坐标。
- xp一维浮点数序列
如果未指定参数周期,则数据点的 x 坐标必须递增 。否则,xp在使用 标准化周期边界后进行内部排序。
xp = xp % period
- fp浮点数或复数的一维序列
数据点的 y 坐标,长度与xp相同。
- 左可选浮点数或复数对应于 fp
x < xp[0]返回的值,默认为fp[0]。
- 右可选浮点数或复数对应于 fp
x > xp[-1]返回的值,默认为fp[-1]。
- period无或浮动,可选
x 坐标的句点。该参数允许对角度 x 坐标进行正确的插值。如果指定了周期, 则忽略参数left和right 。
1.10.0 版本中的新增内容。
- 返回:
- y float 或complex(对应于fp)或ndarray
插值,形状与x相同。
- 加薪:
- 值错误
如果xp和fp具有不同的长度 如果xp或fp不是一维序列 如果period == 0
警告
x 坐标序列预计会增加,但这并未明确强制执行。然而,如果序列xp是非增的,插值结果就没有意义。
请注意,由于 NaN 不可排序,因此xp也不能包含 NaN。
对xp严格增加的简单检查是:
np.all(np.diff(xp) > 0)
也可以看看
例子
>>> xp = [1, 2, 3] >>> fp = [3, 2, 0] >>> np.interp(2.5, xp, fp) 1.0 >>> np.interp([0, 1, 1.5, 2.72, 3.14], xp, fp) array([3. , 3. , 2.5 , 0.56, 0. ]) >>> UNDEF = -99.0 >>> np.interp(3.14, xp, fp, right=UNDEF) -99.0
绘制正弦函数的插值:
>>> x = np.linspace(0, 2*np.pi, 10) >>> y = np.sin(x) >>> xvals = np.linspace(0, 2*np.pi, 50) >>> yinterp = np.interp(xvals, x, y) >>> import matplotlib.pyplot as plt >>> plt.plot(x, y, 'o') [<matplotlib.lines.Line2D object at 0x...>] >>> plt.plot(xvals, yinterp, '-x') [<matplotlib.lines.Line2D object at 0x...>] >>> plt.show()
使用周期性 x 坐标进行插值:
>>> x = [-180, -170, -185, 185, -10, -5, 0, 365] >>> xp = [190, -190, 350, -350] >>> fp = [5, 10, 3, 4] >>> np.interp(x, xp, fp, period=360) array([7.5 , 5. , 8.75, 6.25, 3. , 3.25, 3.5 , 3.75])
复杂插值:
>>> x = [1.5, 4.0] >>> xp = [2,3,5] >>> fp = [1.0j, 0, 2+3j] >>> np.interp(x, xp, fp) array([0.+1.j , 1.+1.5j])