时间:2021-05-22
直接列出函数:
numpy.interp(x, xp, fp, left=None, right=None, period=None)
x - 表示将要计算的插值点x坐标
xp - 表示已有的xp数组
fp - 表示对应于已有的xp数组的值
left - 表示当x值在xp中最小值左边时,x对应y的值为left
right - 表示当x值在xp中最大值右边时,x对应y的值为right
(left和right表示x在xp的域外时,y的取值)
example:
1.
import numpy as npxp = [1, 2, 3]fp = [3, 2, 0]print(np.interp(2.5, xp, fp))output:1.0
2.
import numpy as npxp = [1, 2, 3]fp = [3, 2, 0]x = [0, 1, 1.5, 2.72, 3.14]print(np.interp(x, xp, fp))output:[3. 3. 2.5 0.56 0. ]
3.
import numpy as npxp = [1, 2, 3]fp = [3, 2, 0]x = [0, 1, 1.5, 2.72, 3.14]print(np.interp(x, xp, fp, -99, 99))output:[-99. 3. 2.5 0.56 99. ]
补充知识:numpy 的一维插值函数interp
numpy.interp(x, xp, fp, left=None, right=None, period=None)
返回离散数据的一维分段线性插值结果,浮点数或复数(对应于fp值)或ndarray. 插入数据的纵坐标,和x形状相同。
x: 数组,待插入数据的横坐标.
xp: 一维浮点数序列,原始数据点的横坐标,如果period参数没有指定那么就必须是递增的。否则,在使用xp = xp % period正则化之后,xp在内部进行排序.
fp: 一维浮点数或复数序列原始数据点的纵坐标,和xp序列等长.
left: 可选参数,类型为浮点数或复数(对应于fp值),当x < xp[0]时的插值返回值,默认为fp[0].
right: 可选参数,类型为浮点数或复数(对应于fp值),当x > xp[-1]时的插值返回值,默认为fp[-1].
period: None或者浮点数,可选参数. 横坐标的周期. 此参数使得可以正确插入angular x-coordinates. 如果该参数被设定,那么忽略left参数和right参数。
插入横坐标在原函数横坐标范围内
插入横坐标在原函数横坐标外(默认)
x = [0, 1, 1.5, 2.72, 3.14] # 左侧外部默认为原函数最左侧函数值,右侧默认为右侧xp = [1, 2, 3]fp = [3, 2, 0]y = np.interp(x, xp, fp) # array([ 3. ,3. ,2.5 ,0.56, 0. ])plt.plot(xp, fp, '-o')plt.plot(x, y, 'x')plt.show()插入横坐标在原函数横坐标外(指定)
x = 3.14xp = [1, 2, 3]fp = [3, 2, 0]UNDEF = -99.0y = np.interp(x, xp, fp, right=UNDEF) # -99.0plt.plot(xp, fp, '-o')plt.plot(x, y, 'x')plt.show()正弦插值
x = np.linspace(0, 2 * np.pi, 10) # 在0到2pi的范围内均匀取10个点y = np.sin(x) # sin函数x横坐标对应的y值xvals = np.linspace(0, 2 * np.pi, 50) # 均匀取50个yinterp = np.interp(xvals, x, y) # 在映射关系为y的x中插入xvalsplt.plot(x, y, 'o')plt.plot(xvals, yinterp, '-x')plt.show()以上这篇Numpy一维线性插值函数的用法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
我就废话不多说了,直接上代码吧!#coding=utf-8importcv2importnumpyasnp'''双线性插值'''img=cv2.imread('
本文实例为大家分享了Python实现分段线性插值的具体代码,供大家参考,具体内容如下函数:算法这个算法不算难。甚至可以说是非常简陋。但是在代码实现上却比之前的稍
flatten()函数用法flatten是numpy.ndarray.flatten的一个函数,即返回一个一维数组。flatten只能适用于numpy对象,即a
flatten()函数用法flatten是numpy.ndarray.flatten的一个函数,即返回一个折叠成一维的数组。但是该函数只能适用于numpy对象,
一维插值插值不同于拟合。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。拉格朗日插值