scipy.interpolate.

SmoothSphereBivariateSpline#

class scipy.interpolate.SmoothSphereBivariateSpline(theta, phi, r, w=None, s=0.0, eps=1e-16)[Quelle]#

Geglättete bivariate Spline-Approximation in Kugelkoordinaten.

Hinzugefügt in Version 0.11.0.

Parameter:

theta, phi, rarray_like: 1-D-Sequenzen von Datenpunkten (Reihenfolge ist nicht wichtig). Koordinaten müssen in Radiant angegeben werden. Theta muss im Intervall [0, pi] liegen, und phi muss im Intervall [0, 2pi] liegen.
warray_like, optional: Positive 1-D-Sequenz von Gewichten.
sfloat, optional: Positiver Glättungsfaktor, definiert für die Schätzbedingung: sum((w(i)*(r(i) - s(theta(i), phi(i))))**2, axis=0) <= s Standardmäßig s=len(w), was ein guter Wert sein sollte, wenn 1/w[i] eine Schätzung der Standardabweichung von r[i] ist.
epsfloat, optional: Ein Schwellenwert zur Bestimmung des effektiven Rangs eines überbestimmten linearen Gleichungssystems. eps sollte einen Wert im offenen Intervall (0, 1) haben, der Standardwert ist 1e-16.

Methoden

`__call__`(theta, phi[, dtheta, dphi, grid])	Evaluieren des Splines oder seiner Ableitungen an gegebenen Positionen.
`ev`(theta, phi[, dtheta, dphi])	Evaluieren des Splines an Punkten
`get_coeffs`()	Gib die Spline-Koeffizienten zurück.
`get_knots`()	Gibt ein Tupel (tx,ty) zurück, wobei tx,ty die Knotenpositionen des Splines bezüglich der x- und y-Variablen enthalten.
`get_residual`()	Gibt die gewichtete Summe der quadrierten Residuen der Spline-Approximation zurück: sum ((w[i](z[i]-s(x[i],y[i])))*2,axis=0)
`partial_derivative`(dx, dy)	Konstruiert einen neuen Spline, der eine partielle Ableitung dieses Splines darstellt.

Siehe auch

BivariateSpline: Eine Basisklasse für bivariate Splines.
UnivariateSpline: Ein geglätteter univariater Spline zur Anpassung an eine gegebene Menge von Datenpunkten.
SmoothBivariateSpline: Ein glättender bivariate Spline durch die gegebenen Punkte
LSQBivariateSpline: Ein bivariate Spline unter Verwendung von gewichteter Kleinster-Quadrate-Anpassung
RectSphereBivariateSpline: Ein bivariate Spline über ein rechteckiges Gitter auf einer Kugel
LSQSphereBivariateSpline: Ein bivariate Spline in Kugelkoordinaten unter Verwendung von gewichteter Kleinster-Quadrate-Anpassung
RectBivariateSpline: ein bivariate Spline über ein rechteckiges Gitter.
bisplrep: Eine Funktion zum Finden einer B-Spline-Darstellung einer Oberfläche im Bivariaten
bisplev: Eine Funktion zur Auswertung eines B-Splines im Bivariaten und seiner Ableitungen

Hinweise

Weitere Informationen finden Sie auf der FITPACK-Website zu dieser Funktion.

Beispiele

Angenommen, wir haben globale Daten auf einem groben Gitter (die Eingabedaten müssen nicht auf einem Gitter liegen)

>>> import numpy as np
>>> theta = np.linspace(0., np.pi, 7)
>>> phi = np.linspace(0., 2*np.pi, 9)
>>> data = np.empty((theta.shape[0], phi.shape[0]))
>>> data[:,0], data[0,:], data[-1,:] = 0., 0., 0.
>>> data[1:-1,1], data[1:-1,-1] = 1., 1.
>>> data[1,1:-1], data[-2,1:-1] = 1., 1.
>>> data[2:-2,2], data[2:-2,-2] = 2., 2.
>>> data[2,2:-2], data[-3,2:-2] = 2., 2.
>>> data[3,3:-2] = 3.
>>> data = np.roll(data, 4, 1)

Wir müssen das Interpolatorobjekt einrichten

>>> lats, lons = np.meshgrid(theta, phi)
>>> from scipy.interpolate import SmoothSphereBivariateSpline
>>> lut = SmoothSphereBivariateSpline(lats.ravel(), lons.ravel(),
...                                   data.T.ravel(), s=3.5)

Als erster Test sehen wir uns an, was der Algorithmus zurückgibt, wenn er auf die Eingabekoordinaten angewendet wird

>>> data_orig = lut(theta, phi)

Schließlich interpolieren wir die Daten auf ein feineres Gitter

>>> fine_lats = np.linspace(0., np.pi, 70)
>>> fine_lons = np.linspace(0., 2 * np.pi, 90)

>>> data_smth = lut(fine_lats, fine_lons)

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(131)
>>> ax1.imshow(data, interpolation='nearest')
>>> ax2 = fig.add_subplot(132)
>>> ax2.imshow(data_orig, interpolation='nearest')
>>> ax3 = fig.add_subplot(133)
>>> ax3.imshow(data_smth, interpolation='nearest')
>>> plt.show()

../../_images/scipy-interpolate-SmoothSphereBivariateSpline-1.png