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])