Python numpy.interp详解

本文主要介绍了Python numpy.interp的实例详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

本文章向大家介绍Python numpy.interp实例讲解，主要分析其语法、参数、返回值和注意事项，并结合实例形式分析了其使用技巧，希望通过本文能帮助到大家理解应用这部分内容。

用法:

1	numpy.interp(x, xp, fp, left=None, right=None, period=None)

单调增加样本点的一维线性插值。

将一维分段线性插值返回给具有给定离散数据点的函数 (经验,fp)，评估为x.

参数：

返回：

抛出：

x： array_like

计算插值的 x 坐标。

xp： 一维浮点序列

数据点的 x 坐标，如果参数必须增加时期未指定。否则，经验在用标准化周期性边界后进行内部排序xp = xp % period.

fp： 浮点数或复数的一维序列

数据点的 y 坐标，长度与 xp 相同。

left： 对应于 fp 的可选浮点数或复数

x < xp[0] 的返回值，默认为 fp[0]。

right： 对应于 fp 的可选浮点数或复数

x > xp[-1] 的返回值，默认为 fp[-1]。

period： 无或浮点数，可选

x 坐标的句点。此参数允许正确插值角度 x 坐标。如果指定了 period，则忽略参数 left 和 right。

y： float 或 complex(对应于 fp)或 ndarray

插值，与 x 的形状相同。

ValueError

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

警告

x 坐标序列预计会增加，但这没有明确强制执行。但是，如果序列 xp 不增加，则插值结果是没有意义的。

请注意，由于 NaN 是不可排序的，经验也不能包含 NaN。

xp 严格增加的简单检查是：

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

例子：

1 2 3 4 5 6 7 8 9

>>> 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：

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import numpy as np    x = np.linspace(0, 2*np.pi, 10) y = np.sin(x) xvals = np.linspace(0, 2*np.pi, 50) # 增加 范围外的x 值 xvals=np.append(xvals,(6.5,8.0)) yinterp = np.interp(xvals, x, y)  #xvals代表要生成点的横坐标，x代表原来区间的横坐标，y代表原来区间值得纵坐标。 import matplotlib.pyplot as plt plt.plot(x, y, 'o')  #蓝色的点 plt.plot(xvals, yinterp, '-x') #黄色的区域 plt.show() print(x) # print()

使用周期性 x 坐标进行插值：

1 2 3 4 5

>>> 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])

复杂插值：

1 2 3 4 5

>>> 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])

到此这篇关于Python numpy.interp的实例详解的文章就介绍到这了,希望可以帮到你。

来源：微点阅读  https://www.weidianyuedu.com