python中griddata的外插值_SciPyTutorial-多元插值griddata

最新推荐文章于 2023-07-13 16:17:07 发布

夏树盛

最新推荐文章于 2023-07-13 16:17:07 发布

阅读量1.9k

点赞数

文章标签： python中griddata的外插值

本文链接：https://blog.csdn.net/weixin_42499899/article/details/112988021

版权

本文介绍了Python中用于多元插值的Scipy库中的griddata函数，通过示例展示了如何使用该函数进行二元插值，并通过不同插值方法（最近邻、线性和立方）对比其效果。此外，还提供了插值结果的3D可视化，以帮助理解griddata函数的工作原理。

摘要由CSDN通过智能技术生成

11. Scipy Tutorial-多维插值griddata

scipy.interpolate模块下的griddata函数可以处理多元(维)函数的插值，以二元函数$f(x, y)$为例说明一下griddata的使用。与之前的一元函数插值interp1d相区别，interp1d是通过已知的点集$P = {(x_i, y_i)|x_i \in R, y_i \in R }$通过interp1d可以找到一个函数$f(x_i) = y_i$，那么任何一个$x_j$通过插值函数就能求得其$y_j = f(x_j)$，$y_i$即插值，这里的$x_j$可能是点集P里的一个数据，也可以不是，这是一元插值的思想。可以看出插值需要$f(x)$算出来，而griddata函数可以用于多元的插值，其返回值不是一个函数，而是插值本身，可以通过下面的代码验证一下这个说法。

下面的代码看上去很长，实际内容并不多，大致有三部分：第一部分从import numpy as np语句开始，到import matplotlib.pyplot as plt，这部分是本例子的核心，即求多元数据的插值，使用了griddata函数。第二部分是数据的可视化，从语句import matplotlib.pyplot as plt开始到第一个plt.show()即第一次数据可视化输出，这部分的作用是绘制已知点集和插值的数据的可视化。第三部分从print "*" * 20语句开始一直到程序结束，这部分主要是验证griddata函数返回的是插值数据本身，无需像一元interp1d插值那样用点去计算插值了，返回值本身就是插值数据。

import numpy as np

def func(x, y):

return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2

grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j]

points = np.random.rand(1000, 2)

values = func(points[:,0], points[:,1])

from scipy.interpolate import griddata

grid_z0 = griddata(points, values, (grid_x, grid_y), method='nearest')

grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear')

grid_z2 = griddata(points, values, (grid_x, grid_y), method='cubic')

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d.axes3d import Axes3D