numpy.interp#

numpy.interp(x, xp, fp, left=None, right=None, period=None)[source]#

对单调递增采样点进行一维线性插值。

返回给定离散数据点 (xp, fp) 的一维分段线性插值，并在 x 处进行评估。

参数:
xarray_like

用于评估插值点的 x 坐标。

xp1-D sequence of floats

数据点的 x 坐标，如果未指定参数 period，则必须递增。否则，在通过 xp = xp % period 归一化周期边界后，xp 会在内部进行排序。

fp1-D sequence of float or complex

数据点的 y 坐标，与 xp 长度相同。

left可选的浮点数或复数，对应于 fp

当 x < xp[0] 时返回的值，默认为 fp[0]。

right可选的浮点数或复数，对应于 fp

当 x > xp[-1] 时返回的值，默认为 fp[-1]。

periodNone 或浮点数，可选

x 坐标的周期。此参数允许对角度 x 坐标进行正确插值。如果指定了 period，则 left 和 right 参数将被忽略。

返回值:
y浮点数或复数（对应于 fp）或 ndarray

插值结果，与 x 形状相同。

引发:
ValueError

如果 xp 和 fp 长度不同 如果 xp 或 fp 不是一维序列 如果 period == 0

警告

x 坐标序列应是递增的，但这并未强制执行。然而，如果序列 xp 非递增，则插值结果将无意义。

请注意，由于 NaN 不可排序，xp 也不能包含 NaN。

检查 xp 是否严格递增的简单方法是

np.all(np.diff(xp) > 0)

另请参阅

scipy.interpolate

示例

>>> import numpy as np
>>> 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()
../../_images/numpy-interp-1_00_00.png

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])
本页内容