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 leftright

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 xpfp 长度不同 如果 xpfp 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

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

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])