时间：2020-07-16 数据分析 查看: 1240
直接列出函数：
numpy.interp(x, xp, fp, left=None, right=None, period=None)
x - 表示将要计算的插值点x坐标
xp - 表示已有的xp数组
fp - 表示对应于已有的xp数组的值
left - 表示当x值在xp中最小值左边时，x对应y的值为left
right - 表示当x值在xp中最大值右边时，x对应y的值为right
（left和right表示x在xp的域外时，y的取值）
example：
1.
import numpy as np
xp = [1, 2, 3]
fp = [3, 2, 0]
print(np.interp(2.5, xp, fp))output：1.0
2.
import numpy as np
xp = [1, 2, 3]
fp = [3, 2, 0]
x = [0, 1, 1.5, 2.72, 3.14]
print(np.interp(x, xp, fp))output：[3. 3. 2.5 0.56 0. ]
3.
import numpy as np
xp = [1, 2, 3]
fp = [3, 2, 0]
x = [0, 1, 1.5, 2.72, 3.14]
print(np.interp(x, xp, fp, -99, 99))output：[-99. 3. 2.5 0.56 99. ]
补充知识：numpy 的一维插值函数interp
numpy.interp(x, xp, fp, left=None, right=None, period=None)
返回离散数据的一维分段线性插值结果，浮点数或复数（对应于fp值）或ndarray. 插入数据的纵坐标，和x形状相同。
x: 数组，待插入数据的横坐标.
xp: 一维浮点数序列，原始数据点的横坐标，如果period参数没有指定那么就必须是递增的。否则，在使用xp = xp % period正则化之后，xp在内部进行排序.
fp: 一维浮点数或复数序列原始数据点的纵坐标，和xp序列等长.
left: 可选参数，类型为浮点数或复数（对应于fp值），当x < xp[0]时的插值返回值，默认为fp[0].
right: 可选参数，类型为浮点数或复数（对应于fp值），当x > xp[-1]时的插值返回值，默认为fp[-1].
period: None或者浮点数，可选参数. 横坐标的周期. 此参数使得可以正确插入angular x-coordinates. 如果该参数被设定，那么忽略left参数和right参数。
插入横坐标在原函数横坐标范围内
x = 2.5 # 要插入值的横坐标
xp = [1, 2, 3] # 要插入序列的横坐标
fp = [3, 2, 0] # 要插入序列的纵坐标
y = np.interp(x, xp, fp) # 返回插入值的纵坐标 1.0
plt.plot(xp, fp, '-o')
plt.plot(x, y, 'x')
plt.show()插入横坐标在原函数横坐标外（默认）
x = [0, 1, 1.5, 2.72, 3.14] # 左侧外部默认为原函数最左侧函数值，右侧默认为右侧
xp = [1, 2, 3]
fp = [3, 2, 0]
y = np.interp(x, xp, fp) # array([ 3. ,3. ,2.5 ,0.56, 0. ])
plt.plot(xp, fp, '-o')
plt.plot(x, y, 'x')
plt.show()插入横坐标在原函数横坐标外（指定）
x = 3.14
xp = [1, 2, 3]
fp = [3, 2, 0]
UNDEF = -99.0
y = np.interp(x, xp, fp, right=UNDEF) # -99.0
plt.plot(xp, fp, '-o')
plt.plot(x, y, 'x')
plt.show()正弦插值
x = np.linspace(0, 2 * np.pi, 10) # 在0到2pi的范围内均匀取10个点
y = np.sin(x) # sin函数x横坐标对应的y值
xvals = np.linspace(0, 2 * np.pi, 50) # 均匀取50个
yinterp = np.interp(xvals, x, y) # 在映射关系为y的x中插入xvals
plt.plot(x, y, 'o')
plt.plot(xvals, yinterp, '-x')
plt.show()以上这篇Numpy一维线性插值函数的用法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持python博客。