numpy.interp#
- numpy.interp(x, xp, fp, left=None, right=None, period=None)[source]#
对单调递增样本点进行一维线性插值。
返回具有给定离散数据点 (xp, fp) 的函数的一维分段线性插值,在 x 处求值。
- 参数:
- xarray_like
要评估插值值的 x 坐标。
- xp1-D 浮点数序列
数据点的 x 坐标,如果参数 period 未指定,则必须递增。否则,xp 在使用
xp = xp % period
规范化周期边界后会在内部进行排序。- fp1-D 浮点数或复数序列
数据点的 y 坐标,与 xp 长度相同。
- left可选的与 fp 对应的浮点数或复数
对于 x < xp[0] 返回的值,默认为 fp[0]。
- right可选的与 fp 对应的浮点数或复数
对于 x > xp[-1] 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 x 坐标进行正确的插值。如果指定了 period,则忽略参数 left 和 right。
版本 1.10.0 中的新功能。
- 返回值:
- y浮点数或复数(对应于 fp)或 ndarray
插值值,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 1-D 序列 如果 period == 0
警告
预期 x 坐标序列递增,但这没有明确强制执行。但是,如果序列 xp 不是递增的,则插值结果毫无意义。
请注意,由于 NaN 不可排序,因此 xp 也不允许包含 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
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()
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])