Python numpy.interp的實例詳解
本文章向大家介紹Python numpy.interp實例講解，主要分析其語法、參數(shù)、返回值和注意事項，并結(jié)合實例形式分析了其使用技巧，希望通過本文能幫助到大家理解應(yīng)用這部分內(nèi)容。
用法:
numpy.interp(x, xp, fp, left=None, right=None, period=None)
單調(diào)增加樣本點的一維線性插值。
將一維分段線性插值返回給具有給定離散數(shù)據(jù)點的函數(shù) (經(jīng)驗,fp)，評估為x.
參數(shù)：
返回：
拋出：
x： array_like
計算插值的 x 坐標。
xp： 一維浮點序列
數(shù)據(jù)點的 x 坐標，如果參數(shù)必須增加時期未指定。否則，經(jīng)驗在用標準化周期性邊界后進行內(nèi)部排序xp = xp % period.
fp： 浮點數(shù)或復(fù)數(shù)的一維序列
數(shù)據(jù)點的 y 坐標，長度與 xp 相同。
left： 對應(yīng)于 fp 的可選浮點數(shù)或復(fù)數(shù)
x < xp[0] 的返回值，默認為 fp[0]。
right： 對應(yīng)于 fp 的可選浮點數(shù)或復(fù)數(shù)
x > xp[-1] 的返回值，默認為 fp[-1]。
period： 無或浮點數(shù)，可選
x 坐標的句點。此參數(shù)允許正確插值角度 x 坐標。如果指定了 period，則忽略參數(shù) left 和 right。
y： float 或 complex(對應(yīng)于 fp)或 ndarray
插值，與 x 的形狀相同。
ValueError
如果 xp 和 fp 的長度不同 如果 xp 或 fp 不是一維序列 如果 period == 0
警告
x 坐標序列預(yù)計會增加，但這沒有明確強制執(zhí)行。但是，如果序列 xp 不增加，則插值結(jié)果是沒有意義的。
請注意，由于 NaN 是不可排序的，經(jīng)驗也不能包含 NaN。
xp 嚴格增加的簡單檢查是：
np.all(np.diff(xp) > 0)
例子：
>>> xp = [1, 2, 3] >>> fp = [3, 2, 0] >>> np.interp(2.5, xp, fp) 1.0 >>> np.interp([0, 1, 1.5, 2.72, 3.14], xp, fp) array([3. , 3. , 2.5 , 0.56, 0. ]) >>> UNDEF = -99.0 >>> np.interp(3.14, xp, fp, right=UNDEF) -99.0
繪制正弦函數(shù)的插值：
import numpy as np x = np.linspace(0, 2*np.pi, 10) y = np.sin(x) xvals = np.linspace(0, 2*np.pi, 50) # 增加 范圍外的x 值 xvals=np.append(xvals,(6.5,8.0)) yinterp = np.interp(xvals, x, y) #xvals代表要生成點的橫坐標，x代表原來區(qū)間的橫坐標，y代表原來區(qū)間值得縱坐標。 import matplotlib.pyplot as plt plt.plot(x, y, 'o') #藍色的點 plt.plot(xvals, yinterp, '-x') #黃色的區(qū)域 plt.show() print(x) # print()
使用周期性 x 坐標進行插值：
>>> x = [-180, -170, -185, 185, -10, -5, 0, 365] >>> xp = [190, -190, 350, -350] >>> fp = [5, 10, 3, 4] >>> np.interp(x, xp, fp, period=360) array([7.5 , 5. , 8.75, 6.25, 3. , 3.25, 3.5 , 3.75])
復(fù)雜插值：
>>> x = [1.5, 4.0] >>> xp = [2,3,5] >>> fp = [1.0j, 0, 2+3j] >>> np.interp(x, xp, fp) array([0.+1.j , 1.+1.5j])
到此這篇關(guān)于Python numpy.interp的實例詳解的文章就介紹到這了,更多相關(guān)Python numpy.interp內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python OpenCV之圖片縮放的實現(xiàn)（cv2.resize）
這篇文章主要介紹了Python OpenCV之圖片縮放的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-06-06
python網(wǎng)絡(luò)編程學習筆記(二)：socket建立網(wǎng)絡(luò)客戶端
看了這一節(jié)，突然之間對python網(wǎng)絡(luò)編程學習筆記（1）中的一些不理解的問題有了認識，至少明白了socket是怎么回事。這里關(guān)于socket的起源等問題就不做筆記記錄了，直接進入主題2014-06-06
python數(shù)學建模之Numpy?應(yīng)用介紹與Pandas學習
這篇文章主要介紹了python數(shù)學建模之Numpy?應(yīng)用介紹與Pandas學習，NumPy?是一個運行速度非常快的數(shù)學庫，一個開源的的python科學計算庫，主要用于數(shù)組、矩陣計算2022-07-07
基于Python代碼實現(xiàn)Apriori?關(guān)聯(lián)規(guī)則算法
這篇文章主要介紹了基于Python代碼實現(xiàn)Apriori?關(guān)聯(lián)規(guī)則算法,本文通過應(yīng)用場景舉例，結(jié)合示例代碼給大家介紹的非常詳細，需要的朋友可以參考下2022-03-03
Python實現(xiàn)將Word表格嵌入到Excel中
把Word中的表格轉(zhuǎn)到Excel中，順便做一個調(diào)整。這個需求在實際工作中，很多人還是經(jīng)常碰到的！本文就將介紹如何利用Python實現(xiàn)這一功能，需要的朋友可以了解一下2021-12-12
這篇文章主要介紹了使用Python生成隨機密碼的示例分享,比如發(fā)生一些安全問題時為用戶先設(shè)置隨機密碼然后供用戶修改的情況下可以用到,需要的朋友可以參考下2016-02-02
scipy稀疏數(shù)組coo_array的實現(xiàn)
本文主要介紹了scipy稀疏數(shù)組coo_array的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-02-02
同學發(fā)了我張迷宮圖片,讓我走迷宮來緩解暴躁,于是乎就碼了一個程序出來,下面這篇文章主要給大家介紹了關(guān)于使用OpenCV實現(xiàn)迷宮解密的相關(guān)資料,需要的朋友可以參考下2022-10-10
這篇文章主要介紹了python代碼實現(xiàn)備忘錄案例講解,本篇文章通過簡要的案例,講解了該項技術(shù)的了解與使用,以下就是詳細內(nèi)容,需要的朋友可以參考下2021-07-07
Python實現(xiàn)對大量表格文件數(shù)據(jù)處理的方法詳解
這篇文章主要為大家介紹了如何基于Python語言實現(xiàn)對大量表格文件加以數(shù)據(jù)截取、逐行求差、跨文件合并等處理，感興趣的小伙伴可以跟隨小編一起學習一下2023-05-05