numpy.interp

麻木的。interp ( x , xp , fp , left = None , right = None , period = None )

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

scipy.interpolate

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])