NumPy参考 >例行程序 >Mathematical functions > numpy.interp
numpy.
interp
(x,xp,fp,left = None,right = None,period = None )[源代码] ¶一维线性插值。
将一维分段线性插值返回给具有给定离散数据点(xp,fp)的函数,该函数在x处求值。
评估插值的x坐标。
如果未指定参数周期,则数据点的x坐标必须增加
。否则,在用归一化周期边界之后对xp进行内部排序。xp = xp % period
数据点的y坐标,与xp的长度相同。
x <xp [0]的返回值,默认值为fp [0]。
x> xp [-1]的返回值,默认值为fp [-1]。
X坐标的句点。此参数允许正确插值角度x坐标。 如果指定了period,则忽略参数left和right。
1.10.0版中的新功能。
内插值,形状与x相同。
如果xp和fp的长度不同如果xp或fp不是一维序列如果period == 0
笔记
预计x坐标序列会增加,但是没有明确执行。但是,如果序列xp不增加,则插值结果将毫无意义。
请注意,由于NaN是不可排序的,因此xp也不能包含NaN。
对于xp严格增加的简单检查是:
np.all(np.diff(xp) > 0)
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()
带有周期性x坐标的插值:
>>> 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])
复数插值:
>>> 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])