Python numpy.interp的實(shí)例詳解
本文章向大家介紹Python numpy.interp實(shí)例講解，主要分析其語(yǔ)法、參數(shù)、返回值和注意事項(xiàng)，并結(jié)合實(shí)例形式分析了其使用技巧，希望通過(guò)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(diǎn)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(diǎn)的函數(shù) (經(jīng)驗(yàn),fp)，評(píng)估為x.
參數(shù)：
返回：
拋出：
x： array_like
計(jì)算插值的 x 坐標(biāo)。
xp： 一維浮點(diǎn)序列
數(shù)據(jù)點(diǎn)的 x 坐標(biāo)，如果參數(shù)必須增加時(shí)期未指定。否則，經(jīng)驗(yàn)在用標(biāo)準(zhǔn)化周期性邊界后進(jìn)行內(nèi)部排序xp = xp % period.
fp： 浮點(diǎn)數(shù)或復(fù)數(shù)的一維序列
數(shù)據(jù)點(diǎn)的 y 坐標(biāo)，長(zhǎng)度與 xp 相同。
left： 對(duì)應(yīng)于 fp 的可選浮點(diǎn)數(shù)或復(fù)數(shù)
x < xp[0] 的返回值，默認(rèn)為 fp[0]。
right： 對(duì)應(yīng)于 fp 的可選浮點(diǎn)數(shù)或復(fù)數(shù)
x > xp[-1] 的返回值，默認(rèn)為 fp[-1]。
period： 無(wú)或浮點(diǎn)數(shù)，可選
x 坐標(biāo)的句點(diǎn)。此參數(shù)允許正確插值角度 x 坐標(biāo)。如果指定了 period，則忽略參數(shù) left 和 right。
y： float 或 complex(對(duì)應(yīng)于 fp)或 ndarray
插值，與 x 的形狀相同。
ValueError
如果 xp 和 fp 的長(zhǎng)度不同 如果 xp 或 fp 不是一維序列 如果 period == 0
警告
x 坐標(biāo)序列預(yù)計(jì)會(huì)增加，但這沒(méi)有明確強(qiáng)制執(zhí)行。但是，如果序列 xp 不增加，則插值結(jié)果是沒(méi)有意義的。
請(qǐng)注意，由于 NaN 是不可排序的，經(jīng)驗(yàn)也不能包含 NaN。
xp 嚴(yán)格增加的簡(jiǎn)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(diǎn)的橫坐標(biāo)，x代表原來(lái)區(qū)間的橫坐標(biāo)，y代表原來(lái)區(qū)間值得縱坐標(biāo)。 import matplotlib.pyplot as plt plt.plot(x, y, 'o') #藍(lán)色的點(diǎn) plt.plot(xvals, yinterp, '-x') #黃色的區(qū)域 plt.show() print(x) # print()
使用周期性 x 坐標(biāo)進(jìn)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(shí)例詳解的文章就介紹到這了,更多相關(guān)Python numpy.interp內(nèi)容請(qǐng)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(shí)現(xiàn)（cv2.resize）
這篇文章主要介紹了Python OpenCV之圖片縮放的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06
python網(wǎng)絡(luò)編程學(xué)習(xí)筆記(二)：socket建立網(wǎng)絡(luò)客戶端
看了這一節(jié)，突然之間對(duì)python網(wǎng)絡(luò)編程學(xué)習(xí)筆記（1）中的一些不理解的問(wèn)題有了認(rèn)識(shí)，至少明白了socket是怎么回事。這里關(guān)于socket的起源等問(wèn)題就不做筆記記錄了，直接進(jìn)入主題2014-06-06
python數(shù)學(xué)建模之Numpy?應(yīng)用介紹與Pandas學(xué)習(xí)
這篇文章主要介紹了python數(shù)學(xué)建模之Numpy?應(yīng)用介紹與Pandas學(xué)習(xí)，NumPy?是一個(gè)運(yùn)行速度非?？斓臄?shù)學(xué)庫(kù)，一個(gè)開(kāi)源的的python科學(xué)計(jì)算庫(kù)，主要用于數(shù)組、矩陣計(jì)算2022-07-07
基于Python代碼實(shí)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(shí)現(xiàn)Apriori?關(guān)聯(lián)規(guī)則算法,本文通過(guò)應(yīng)用場(chǎng)景舉例，結(jié)合示例代碼給大家介紹的非常詳細(xì)，需要的朋友可以參考下2022-03-03
Python實(shí)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(gè)調(diào)整。這個(gè)需求在實(shí)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(shí)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(jī)密碼的示例分享,比如發(fā)生一些安全問(wèn)題時(shí)為用戶先設(shè)置隨機(jī)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(shí)現(xiàn)
本文主要介紹了scipy稀疏數(shù)組coo_array的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02
使用OpenCV實(shí)現(xiàn)迷宮解密的全過(guò)程
同學(xué)發(fā)了我張迷宮圖片,讓我走迷宮來(lái)緩解暴躁,于是乎就碼了一個(gè)程序出來(lái),下面這篇文章主要給大家介紹了關(guān)于使用OpenCV實(shí)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(shí)現(xiàn)備忘錄案例講解,本篇文章通過(guò)簡(jiǎn)要的案例,講解了該項(xiàng)技術(shù)的了解與使用,以下就是詳細(xì)內(nèi)容,需要的朋友可以參考下2021-07-07
Python實(shí)現(xiàn)對(duì)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(yǔ)言實(shí)現(xiàn)對(duì)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(xué)習(xí)一下2023-05-05