南昌网站优化方案,网站后台登入密码忘记了,如何查询企业邮箱,微信网站欣赏1 主要使用方法
class scipy.interpolate.interp1d(x, y, kindlinear, axis-1, copyTrue, bounds_errorNone, fill_valuenan, assume_sortedFalse)
2 主要函数
x一维实数值数组#xff0c;代表插值的自变量y N维实数值数组#xff0c;其中沿着插值轴的 y 长度必须等于 x 的…1 主要使用方法
class scipy.interpolate.interp1d(x, y, kindlinear, axis-1, copyTrue, bounds_errorNone, fill_valuenan, assume_sortedFalse)
2 主要函数
x一维实数值数组代表插值的自变量y N维实数值数组其中沿着插值轴的 y 长度必须等于 x 的长度 默认的插值轴是 y 的最后一个轴 kind str or int 指定插值类型的字符串或表示样条插值器阶数的整数 指定的插值类型有 linear线性插值。这是最简单的插值形式其中新点的值是通过直线连接相邻数据点来估计的nearest最近邻插值。新点的值取自最接近的数据点的值nearest-up类似于最近邻插值但在处理半整数如 0.5、1.5 等时有所不同。nearest-up 会向上取整而 nearest 则会向下取整zero零阶插值。在相邻数据点之间新点的值设置为左侧数据点的值slinear次线性插值。这是线性插值的另一种形式quadratic二次样条插值。新点的值基于二次多项式这些多项式在每对相邻数据点间定义cubic三次样条插值。它使用三次多项式在数据点之间进行插值这种方法通常提供了较平滑的曲线。previous 和 next这两种方法分别返回给定点之前和之后最近的数据点的值。previous 返回左侧的数据点值而 next 返回右侧的数据点值axisy 数组中对应于 x 坐标值的轴。默认值为 -1。copy 若为 True则该类会对 x 和 y 进行内部复制。若为 False则使用 x 和 y 的引用。默认为 Truebounds_error 若为 True在 x 范围外进行插值尝试时需要外推会引发 ValueError。 若为 False则超出范围的值会被赋予 fill_value。 默认情况下除非指定 fill_valueextrapolate否则会引发错误 fill_value 如果为 ndarray或浮点数则在数据范围外的请求点将使用此值填充。 如果未提供则默认为 NaN。 如果为两元素元组则第一个元素用于 x_new x[0]第二个元素用于 x_new x[-1]。 使用两元素元组或 ndarray 需要 bounds_errorFalse assume_sorted 如果为 Falsex 的值可以任意排序并且首先进行排序。 如果为 True则 x 必须是单调递增的数组
3 举例
3.1 导入库准备数据
# 导入库
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import *# 数据部分
xnp.arange(0,10)
ynp.exp(-x/3.0)
3.2 创建interp1d
x_newnp.arange(0,9,0.1)
y_newf(x_new)
y_newarray([1. , 0.97165313, 0.94330626, 0.91495939, 0.88661252,0.85826566, 0.82991879, 0.80157192, 0.77322505, 0.74487818,0.71653131, 0.69621989, 0.67590847, 0.65559705, 0.63528563,0.61497421, 0.5946628 , 0.57435138, 0.55403996, 0.53372854,0.51341712, 0.49886335, 0.48430958, 0.46975582, 0.45520205,0.44064828, 0.42609451, 0.41154074, 0.39698698, 0.38243321,0.36787944, 0.35745121, 0.34702298, 0.33659475, 0.32616652,0.31573829, 0.30531006, 0.29488183, 0.2844536 , 0.27402537,0.26359714, 0.25612498, 0.24865283, 0.24118068, 0.23370852,0.22623637, 0.21876422, 0.21129206, 0.20381991, 0.19634776,0.1888756 , 0.18352157, 0.17816754, 0.17281351, 0.16745947,0.16210544, 0.15675141, 0.15139738, 0.14604335, 0.14068932,0.13533528, 0.13149895, 0.12766262, 0.12382629, 0.11998996,0.11615363, 0.11231729, 0.10848096, 0.10464463, 0.1008083 ,0.09697197, 0.09422312, 0.09147426, 0.08872541, 0.08597656,0.08322771, 0.08047886, 0.07773001, 0.07498115, 0.0722323 ,0.06948345, 0.06751381, 0.06554417, 0.06357454, 0.0616049 ,0.05963526, 0.05766562, 0.05569598, 0.05372634, 0.05175671])plt.plot(x,y,o,x_new,y_new,-) 3.3 不同kind不同结果
f_cinterp1d(x,y,kindprevious)
y_newf_c(x_new)
plt.plot(x,y,o,x_new,y_new,-)
