这篇文章主要为大家展示了如何使用Numpy一维线性插值函数，内容简而易懂，希望大家可以学习一下，学习完之后肯定会有收获的，下面让小编带大家一起来看看吧。
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 np xp = [1, 2, 3] fp = [3, 2, 0] print(np.interp(2.5, xp, fp))
output：1.0
2.
import numpy as np xp = [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 np xp = [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
x = 2.5 # 要插入值的横坐标 xp = [1, 2, 3] # 要插入序列的横坐标 fp = [3, 2, 0] # 要插入序列的纵坐标 y = np.interp(x, xp, fp) # 返回插入值的纵坐标 1.0 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（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 = 3.14 xp = [1, 2, 3] fp = [3, 2, 0] UNDEF = -99.0 y = np.interp(x, xp, fp, right=UNDEF) # -99.0 plt.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xvals plt.plot(x, y, 'o') plt.plot(xvals, yinterp, '-x') plt.show()
以上就是关于如何使用Numpy一维线性插值函数的内容，如果你们有学习到知识或者技能，可以把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
