赞
踩
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
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。