scipy.interpolate.RegularGridInterpolator.

call#

RegularGridInterpolator.__call__(xi, метод=None, *, nu=None)[источник]#

Интерполяция по координатам.

Параметры:

xindarray формы (…, ndim): Координаты для вычисления интерполятора.
методstr, optional: Метод интерполяции для выполнения. Поддерживаются "linear", "nearest", "slinear", "cubic", "quintic" и "pchip". По умолчанию используется метод, выбранный при создании интерполятора.
nuпоследовательность целых чисел, длина ndim, опционально: Если не None, порядки производных для вычисления. Каждая запись должна быть неотрицательной. Допускается только для методов “slinear”, “cubic” и “quintic”.

Добавлено в версии 1.13.

Возвращает:

values_xndarray, форма xi.shape[:-1] + values.shape[ndim:]: Интерполированные значения в xi. См. примечания о поведении при xi.ndim == 1.

Примечания

В случае, если xi.ndim == 1 новая ось вставляется в позицию 0 возвращаемого массива values_x, поэтому его форма становится (1,) + values.shape[ndim:].

Примеры

Здесь мы определяем интерполятор ближайшего соседа для простой функции

>>> import numpy as np
>>> x, y = np.array([0, 1, 2]), np.array([1, 3, 7])
>>> def f(x, y):
...     return x**2 + y**2
>>> data = f(*np.meshgrid(x, y, indexing='ij', sparse=True))
>>> from scipy.interpolate import RegularGridInterpolator
>>> interp = RegularGridInterpolator((x, y), data, method='nearest')

По построению интерполятор использует интерполяцию ближайшего соседа

>>> interp([[1.5, 1.3], [0.3, 4.5]])
array([2., 9.])

Однако мы можем вычислить линейный интерполянт, переопределив метод параметр

>>> interp([[1.5, 1.3], [0.3, 4.5]], method='linear')
array([ 4.7, 24.3])

__call__#

call#