scipy.interpolate.

pchip_interpolate#

scipy.interpolate.pchip_interpolate(xi, yi, x, der=0, axis=0)[Quelle]#

Hilfsfunktion für die PCHIP-Interpolation.

xi und yi sind Arrays von Werten, die zur Annäherung einer Funktion f verwendet werden, mit yi = f(xi). Der Interpolator verwendet monotoine kubische Splines, um den Wert neuer Punkte x und die Ableitungen dort zu finden.

Siehe scipy.interpolate.PchipInterpolator für Details.

Parameter:

xiarray_like: Eine sortierte Liste von x-Koordinaten der Länge N.
yiarray_like: Ein 1D-Array von reellen Werten. Die Länge von yi entlang der Interpolationsachse muss gleich der Länge von xi sein. Bei einem N-D-Array verwenden Sie den Parameter axis, um die richtige Achse auszuwählen.
xSkalar oder array_like: Länge M.
derint oder Liste, optional: Zu extrahierende Ableitungen. Die 0-te Ableitung kann enthalten sein, um den Funktionswert zurückzugeben.
axisint, optional: Achse im yi-Array, die den x-Koordinatenwerten entspricht.

Rückgabe:

ySkalar oder array_like: Das Ergebnis, von Länge R oder Länge M oder M mal R.

Siehe auch

PchipInterpolator: PCHIP 1D monotoiner kubischer Interpolator.

Beispiele

Wir können 2D beobachtete Daten mittels PCHIP-Interpolation interpolieren

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.interpolate import pchip_interpolate
>>> x_observed = np.linspace(0.0, 10.0, 11)
>>> y_observed = np.sin(x_observed)
>>> x = np.linspace(min(x_observed), max(x_observed), num=100)
>>> y = pchip_interpolate(x_observed, y_observed, x)
>>> plt.plot(x_observed, y_observed, "o", label="observation")
>>> plt.plot(x, y, label="pchip interpolation")
>>> plt.legend()
>>> plt.show()

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