大家好，又见面了，我是你们的朋友全栈君。

有时候会碰到这种情况：

实际问题可以抽象为 \(z = f(x, y)\) 的形式，而你只知道有限的点 \((x_i,y_i,z_i)\)，你又需要局部的全数据，这时你就需要插值，一维的插值方法网上很多，不再赘述，这里仅介绍二维的插值法

这里主要利用 scipy.interpolate 包里 griddata 函数

griddata(points, values, xi, method=’linear’, fill_value=numpy.nan, rescale=False)

points：二维数组，第一维是已知点的数目，第二维是每一个点的 \(x,y\) 坐标

values：一维数组，和 points 的第一维长度一样，是每个坐标的对应 \(z\) 值

xi：需要插值的空间，一般用 numpy.mgrid 函数生成后传入

method：插值方法

nearest

linear

cubic

fill_value：无数据时填充数据

该方法返回的是和 xi 的 shape 一样的二维数组

【example】

import numpy as np

import matplotlib.pyplot a plt

from scipy.interpolate import griddata

points = np.random.rand(n, 2) # n是已知点个数

values = np.random.rand(n) # 对应没每个点的值

# 插值的目标

# 注意，这里和普通使用数组的维度、下标不一样，是因为如果可视化的话，imshow坐标轴和一般的不一样

x, y = np.mgrid[

end1:start1:step1 * 1j,

start2:end2:step2 * 1j]

# grid就是插值结果，你想要的到的区间的每个点数据都在这个grid矩阵里

grid = griddata(points, values, (x, y), method=”cubic”, fill_value=0)

# 这里通过imshow显示时，坐标思维要按照计算机的来，普通图片是2维数组

# x 是最终结果的第一维，下标是从上到下由零增加

# y 是最终结果的第二维，下标是从左到右由零增加

plt.subplot(1, 1, 1)

plt.title(“0°”)

plt.imshow(grid, cmap=’jet’) # contourf jet gray

plt.colorbar()

plt.show()

np.mgrid 函数每一个维度最后一个参数：

可以是实数中的整数，表示步长，此时不包括末尾数据(左闭右开)

可以是实部为零，虚部为整数的复数，这个数字表示该区间想要插值多少个点的数据(闭区间)

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/141383.html原文链接：https://javaforall.cn