scipy.interpolate.

spalde

scipy.interpolate.spalde(x, tck)

Вычислить B-сплайн и все его производные в одной точке (или наборе точек) до порядка k (степени сплайна), где 0 — сам сплайн.

Наследие

Эта функция считается устаревшей и больше не будет получать обновления. Хотя в настоящее время у нас нет планов по ее удалению, мы рекомендуем, чтобы новый код использовал более современные альтернативы. В частности, мы рекомендуем создавать BSpline объект и вычислять его производную в цикле или генераторе списка.

Параметры:

xarray_like

Точка или набор точек, в которых вычисляются производные. Обратите внимание, что t(k) <= x <= t(n-k+1) должно выполняться для каждого x.

tckкортеж

Кортеж (t,c,k), содержащий вектор узлов, коэффициенты B-сплайна и степень сплайна, чьи производные нужно вычислить.

Возвращает:

FeatureHasher на частотных словарях{ndarray, список ndarrays}

Массив (или список массивов), содержащий все производные до порядка k включительно для каждой точки x, где первый элемент — сам сплайн.

Смотрите также

splprep, splrep, splint, sproot, splev, bisplrep, bisplev

UnivariateSpline, BivariateSpline

Ссылки

[1]

де Бур К.: О вычислениях с B-сплайнами, J. Approximation Theory 6 (1972) 50-62.

[2]

Cox M.G. : Численная оценка B-сплайнов, J. Inst. Maths applics 10 (1972) 134-149.

[3]

Дирккс П.: Аппроксимация кривых и поверхностей сплайнами, Монографии по численному анализу, Oxford University Press, 1993.

Примеры

Попробуйте в вашем браузере!

Для вычисления производных B-сплайна существует несколько подходов. В этом примере мы продемонстрируем, что spalde эквивалентно вызову splev и splder.

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.interpolate import BSpline, spalde, splder, splev

>>> # Store characteristic parameters of a B-spline
>>> tck = ((-2, -2, -2, -2, -1, 0, 1, 2, 2, 2, 2),  # knots
...        (0, 0, 0, 6, 0, 0, 0),  # coefficients
...        3)  # degree (cubic)
>>> # Instance a B-spline object
>>> # `BSpline` objects are preferred, except for spalde()
>>> bspl = BSpline(tck[0], tck[1], tck[2])
>>> # Generate extra points to get a smooth curve
>>> x = np.linspace(min(tck[0]), max(tck[0]), 100)

Вычислить кривую и все производные

>>> # The order of derivative must be less or equal to k, the degree of the spline
>>> # Method 1: spalde()
>>> f1_y_bsplin = [spalde(i, tck)[0] for i in x ]  # The B-spline itself
>>> f1_y_deriv1 = [spalde(i, tck)[1] for i in x ]  # 1st derivative
>>> f1_y_deriv2 = [spalde(i, tck)[2] for i in x ]  # 2nd derivative
>>> f1_y_deriv3 = [spalde(i, tck)[3] for i in x ]  # 3rd derivative
>>> # You can reach the same result by using `splev`and `splder`
>>> f2_y_deriv3 = splev(x, bspl, der=3)
>>> f3_y_deriv3 = splder(bspl, n=3)(x)

>>> # Generate a figure with three axes for graphic comparison
>>> fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(16, 5))
>>> suptitle = fig.suptitle(f'Evaluate a B-spline and all derivatives')
>>> # Plot B-spline and all derivatives using the three methods
>>> orders = range(4)
>>> linetypes = ['-', '--', '-.', ':']
>>> labels = ['B-Spline', '1st deriv.', '2nd deriv.', '3rd deriv.']
>>> functions = ['splev()', 'splder()', 'spalde()']
>>> for order, linetype, label in zip(orders, linetypes, labels):
...     ax1.plot(x, splev(x, bspl, der=order), linetype, label=label)
...     ax2.plot(x, splder(bspl, n=order)(x), linetype, label=label)
...     ax3.plot(x, [spalde(i, tck)[order] for i in x], linetype, label=label)
>>> for ax, function in zip((ax1, ax2, ax3), functions):
...     ax.set_title(function)
...     ax.legend()
>>> plt.tight_layout()
>>> plt.show()

НазадОткрыть во вкладке