0 前言

结果展示：黑色的点是前期输入生成的，彩色是后期生成的，代表不同像素点的数值

1 代码

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d #引入scipy中的一维插值库
from scipy.interpolate import griddata#引入scipy中的二维插值库x = np.linspace(0, 10, num=11, endpoint=True)
y = np.cos(-x**2/9.0)
f = interp1d(x, y)
f2 = interp1d(x, y, kind='cubic')xnew = np.linspace(0, 10, num=41, endpoint=True)plt.plot(x, y, 'o', xnew, f(xnew), '-', xnew, f2(xnew), '--')
plt.legend(['data', 'linear', 'cubic'], loc='best')
plt.show()
'''''
def func(x, y):return x**2+y**2
'''''
grid_x, grid_y = np.mgrid[1:10:200j, 1:10:500j]
#x方向在0-1上均匀生成200个数，y方向在0-1上均匀生成500个数points = np.random.randint(1,10,(200, 2))
#随机生成（200，2）的矩阵，即200个点坐标values = np.arange(0,200)#func(points[:,0], points[:,1])
#规定坐标值的值grid_z0 = griddata(points, values, (grid_x, grid_y), method='nearest')
print(grid_z0[0][1])
#由于griddata返回的值是nddarry的格式的，所以可以读取他的数据，这里就是读取第[0][1]个数值的数grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear',fill_value=5)
print(grid_z1[0][1])grid_z2 = griddata(points, values, (grid_x, grid_y), method='cubic',fill_value=5)
print(grid_z1[0][1])
'''
plt.subplot(221)
plt.imshow(func(grid_x, grid_y).T, extent=(1,10,1,10), origin='lower')
plt.plot(points[:,0], points[:,1], 'k.', ms=1)plt.title('Original')
'''
plt.subplot(222)
plt.imshow(grid_z0.T, extent=(1,10,1,10), origin='lower')plt.title('Nearest')
plt.subplot(223)
plt.imshow(grid_z1.T, extent=(1,10,1,10), origin='lower')plt.title('Linear')
plt.subplot(224)
plt.imshow(grid_z2.T, extent=(1,10,1,10), origin='lower')plt.title('Cubic')
plt.gcf().set_size_inches(8, 8)
plt.show()

2 解释

python中：
scipy.interpolate.griddata（points，values，xi，method =‘linear’，fill_value = nan，rescale = False ）

参数：
points：数据点坐标。可以是形状（n，D）的数组，也可以是ndim数组的元组。（已知点）

values：浮点或复数的ndarray，形状（n，）的数据值。（已知点对应的值）

xi ：浮点数的二维数组或一维数组的元组，形状（M，D）插值数据的点。（被划分后的网格）

method：‘linear’，‘nearest’，‘cubic’，可选其中的插值方法之一。（插值方式）
{
nearest 返回最接近插值点的数据点的值。
linear 将输入点设置为n维单纯形，并在每个单形上线性插值。
cubic （1-d）返回由三次样条确定的值。
cubic （2-d）返回由分段立方，连续可微（C1）和近似曲率最小化多项式表面确定的值。
}

fill_value ： float，可选。用于填充输入点凸包外部的请求点的值。如果未提供，则默认为nan。此选项对“最近”方法无效。

rescale ： bool，可选。在执行插值之前，重新缩放指向单位立方体。如果某些输入维度具有不可比较的单位并且相差很多个数量级，则这非常有用。

返回值：nddarry 内插值数组

3 优化（未完待续）

import numpy as np
import matplotlib.pyplot as plt
#from scipy.interpolate import interp1d #引入scipy中的一维插值库
from scipy.interpolate import griddata#引入scipy中的二维插值库four_boundary_point_original = np.array([[1,0],[10,2],[0,5],[9,10]])
four_boundary_point_x = four_boundary_point_original.min(axis=0)
four_boundary_point_y = four_boundary_point_original.max(axis=0)
four_boundary_point = np.concatenate([four_boundary_point_x,four_boundary_point_y])
print(four_boundary_point)'''
for i in range(4):input_x = float(input('please input 4 number:'))four_boundary_point.append(input_x)
'''
#four_boundary_point = [0,10,0,10]mesh_size_x = round((four_boundary_point[2] - four_boundary_point[0])/0.05)
mesh_size_y = round((four_boundary_point[3] - four_boundary_point[1])/0.05)
print(mesh_size_y,mesh_size_x)
#将小格子的x方向分为步长为0.05的长度def func(x, y):return x**2+y**2x = np.linspace(four_boundary_point[0],four_boundary_point[2],mesh_size_x)
y = np.linspace(four_boundary_point[1],four_boundary_point[3],mesh_size_y)
grid_x, grid_y = np.meshgrid(x,y)
#x方向在0-1上均匀生成200个数，y方向在0-1上均匀生成mesh_size个数字points = 10 * np.random.random((200,2))
#随机生成（200，2）的矩阵，即200个点坐标values = np.arange(0,200)
#规定坐标值的值grid_z0 = griddata(points, values, (grid_x, grid_y), method='nearest')
#print(grid_z0)
grid_z0[grid_z0<80]=0grid_z0[(grid_z0>=80)&(grid_z0<160)]=50
grid_z0[(grid_z0>=160)&(grid_z0<=200)]=100
#由于griddata返回的值是nddarry的格式的，所以可以读取他的数据，这里就是读取第[0][1]个数值的数grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear',fill_value=5)grid_z1[grid_z1<80] = 1
grid_z1[(grid_z1>=80)&(grid_z1<160)] = 50
grid_z1[(grid_z1>=160)&(grid_z1<=200)] = 100grid_z2 = griddata(points, values, (grid_x, grid_y), method='cubic',fill_value=5)grid_z2[grid_z2<80] = 1
grid_z2[(grid_z2>=80)&(grid_z2<160)] = 50
grid_z2[(grid_z2>=160)&(grid_z2<=200)] = 100plt.subplot(221)
plt.imshow(grid_z0.T, extent=(0,10,0,10), origin='lower')
plt.plot(points[:,0], points[:,1], 'k.', ms=1)
plt.title('Nearest')plt.subplot(222)
plt.imshow(grid_z1.T, extent=(0,10,0,10), origin='lower')
plt.plot(points[:,0], points[:,1], 'k.', ms=1)
plt.title('Linear')plt.subplot(223)
plt.imshow(grid_z2.T, extent=(0,10,0,10), origin='lower')
plt.plot(points[:,0], points[:,1], 'k.', ms=1)
plt.title('Cubic')plt.gcf().set_size_inches(8, 8)
plt.show()#输入坐标点得到值
while True:point_wanted = []#[5.8，7.2]for i in range(2):point_wanted_input = float(input('please input the point you want'))point_wanted.append(point_wanted_input)point_wanted_x = int(round((point_wanted[0] - four_boundary_point[0])/((four_boundary_point[2]-four_boundary_point[0])/mesh_size_x)))point_wanted_y = int(round((point_wanted[1] - four_boundary_point[1])/((four_boundary_point[3]-four_boundary_point[1])/mesh_size_y)))#将输入的点进行四舍五入得到对应的array数组的值，（x点坐标-x左边界）/（（x左边界-x右边界）/分成的小格子）print(point_wanted_x,point_wanted_y)print(grid_z1[point_wanted_x][point_wanted_y])

数据处理（一）：python二维插值运算相关推荐

python二维插值_python实现二维插值的三维显示
本文实例为大家分享了二维插值的三维显示具体代码,供大家参考,具体内容如下 # -*- coding: utf-8 -*- """ 演示二维插值. "" ...
python二维向量运算模拟_【转载 Python】Numpy基础：数组和矢量运算
Numpy基础:数组和矢量运算目录: 尊重原创,转载出处:https://blog.csdn.net/sunyaowu315/article/details/82733249?utm_medium= ...
python二维向量运算模拟_Python数学基础之向量定义与向量运算（附代码）
患难与困苦是磨练人格的最高学府.--苏格拉底(公元前470年-公元前399年) Adversity and pinch are the highest institution of higher le ...
python二维向量运算模拟_python二维向量运算_[VB.NET][C#]二维向量的基本运算
前言在数学中,几何向量是指具有大小和方向的几何对象. 在编程中,向量有着广泛的应用,其作用在图形编程和游戏物理引擎方面尤为突出. 第一节构造函数通过创建一个二维向量的类(或结构体),实现向量的表 ...
python二维向量运算_python中二维数组的Elementwise与or或运算
numpy有logical_or.logical_xor和{},它们有一个reduce方法>> np.logical_or.reduce(a, axis=0) array([ True, ...
python二维向量运算,二维数组python中的矢量化计数
像这样的东西呢,它是矢量化的,没有for循环:def moving_count(a, value, axis=0): """Return sequential count ...
python二维数组画出_python二维数组画图
matplotlib机器学习常用绘图指令_计算机软件及应用_IT/计算机_专业资料.该文档介绍了python的matplotlib库用于数据分析中的图形绘制. ... matplotlib 绘图基础 ...
数学建模——一维、二维插值模型详解Python代码
数学建模--一维.二维插值模型详解Python代码一.一维插值 # -*-coding:utf-8 -*- import numpy as np from scipy import interpol ...
Python实现二维离散卷积运算
Python实现二维离散卷积运算卷积运算是图像处理中的重要操作,它可以对图像进行平滑.增强边缘等处理.在Python中,我们可以使用numpy库来实现二维离散卷积运算. 首先,我们需要定义一个二维滤 ...

数据处理（一）：python二维插值运算

0 前言

1 代码

2 解释

3 优化（未完待续）

数据处理（一）：python二维插值运算相关推荐

最新文章

热门文章