目前的一个功能需求:将一组物探数据,抽取各点相同深度的值,绘出不同深度处的等值线图,用于判别各种异常。
1.首先有一组物探数据,点号(x,y,h):d,v 即:点号(x坐标,y坐标,点高程):深度,视电阻率值
2.对各点的不同深度电阻率值进行样条插值,以便于获得同深度处的电阻率值。
3.对同深度的值,抽取坐标和值,绘出等值线图。
一维插值:可以用来解决物探数据插值了,看看哪种更为合适。
https://blog.csdn.net/momingqimiao71/article/details/78205905
拉格朗日插值法在数据分析中的应用——Python插值scimpy,lagrange
https://blog.csdn.net/playgoon2/article/details/77051285
插值函数经过样本点,拟合函数一般基于最小二乘法尽量靠近所有样本点穿过。
常见插值方法有拉格朗日插值法、分段插值法、样条插值法。
二维插值:
https://blog.csdn.net/huozi07/article/details/50538749
#!/usr/bin/env python
# -*-coding:utf-8 -*-
import numpy as np
from scipy import interpolate
import pylab as pl
x = np.linspace(0, 10, 11)
# x=[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
y = np.sin(x)
xnew = np.linspace(0, 10, 101)
pl.plot(x, y, "ro")
for kind in ["nearest", "zero", "slinear", "quadratic", "cubic"]: # 插值方式
# "nearest","zero"为阶梯插值
# slinear 线性插值
# "quadratic","cubic" 为2阶、3阶B样条曲线插值
f = interpolate.interp1d(x, y, kind=kind)
# ‘slinear’, ‘quadratic’ and ‘cubic’ refer to a spline interpolation of first, second or third order)
ynew = f(xnew)
pl.plot(xnew, ynew, label=str(kind)) #label用来显示图例
pl.legend(loc="lower right") #显示图例的位置
pl.show()
绘制等值线图
#coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
def height(x,y):
return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
x=np.linspace(-3,3,300)
y=np.linspace(-3,3,300)
X,Y=np.meshgrid(x,y)
plt.contourf(X,Y,height(X,Y),10,alpha=0.75,cmap=plt.cm.hot)
#为等高线填充颜色 10表示按照高度分成10层 alpha表示透明度 cmap表示渐变标准
C=plt.contour(X,Y,height(X,Y),10,colors='black')
#使用contour绘制等高线
plt.clabel(C,inline=True,fontsize=10)
#在等高线处添加数字
plt.xticks(())
plt.yticks(())
#去掉坐标轴刻度
plt.show()
#显示图片