python interpolate_Python：插值interpolate模块

插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。与拟合不同的是，要求曲线通过所有的已知数据。SciPy的interpolate模块提供了许多对数据进行插值运算的函数，范围涵盖简单的一维插值到复杂多维插值求解。当样本数据变化归因于一个独立的变量时，就使用一维插值；反之样本数据归因于多个独立变量时，使用多维插值。

计算插值有两种基本的方法，1、对一个完整的数据集去拟合一个函数；2、对数据集的不同部分拟合出不同的函数，而函数之间的曲线平滑对接。第二种方法又叫做仿样内插法，当数据拟合函数形式非常复杂时，这是一种非常强大的工具。我们首先介绍怎样对简单函数进行一维插值运算，然后进一步深入比较复杂的多维插值运算。

1. 一维插值interp1d()

一维数据的插值运算可以通过函数interp1d()完成。其调用形式如下，它实际上不是函数而是一个类：

类scipy.interpolate.interp1d(x，y，kind ='linear'，axis = -1，copy = True，bounds_error = None，fill_value = nan，假定_sorted = False)

内插一维函数。

x和y是用于近似某些函数f：的值的数组 。此类返回一个函数，该函数的调用方法使用插值法查找新点的值。y = f(x)

请注意，

参量:

x :(N，)array_like

一维实数数组。

y :(...，N，...)array_like

ND实数值数组。沿插值轴的y长度必须等于x的长度。

kind: str or int, optional

将内插类型指定为字符串(“线性”，“最近”，“零”，“线性”，“二次”，“三次”，“上一个”，“下一个”，其中“零”，“线性”，“ “ quadratic”和“ cubic”是指零阶，一阶，二阶或三阶的样条插值；“ previo