cupyx.scipy.interpolate.interpn#

cupyx.scipy.interpolate.interpn(points, values, xi, method='linear', bounds_error=True, fill_value=nan)[源代码][源代码]#

在规则或矩形网格上的多维插值。

严格来说，并非所有常规网格都受支持 - 此功能适用于 规则 网格，即具有均匀或不均匀间距的矩形网格。

参数:

  • points (tuple of cupy.ndarray of float, with shapes (m1, ), ..., (mn, )) – 定义 n 维规则网格的点。每个维度中的点（即 points 元组的每个元素）必须严格递增或递减。

  • values (cupy.ndarray of shape (m1, ..., mn, ...)) – n 维规则网格上的数据。复杂数据也是可以接受的。

  • xi (cupy.ndarray of shape (..., ndim)) – 采样网格数据的坐标

  • method (str, optional) – 要执行的插值方法。支持的方法有“linear”、“nearest”、“slinear”、“cubic”、“quintic”和“pchip”。

  • bounds_error (bool, optional) – 如果为 True，当请求的插值值超出输入数据的范围时，会引发 ValueError。如果为 False，则使用 fill_value。

  • fill_value (number, optional) – 如果提供，则使用此值作为插值域之外的点的值。如果为 None，则域外的值将被外推。

返回:

values_x – 在 xi 处的插值值。当 xi.ndim == 1 时的行为请参见注释。

返回类型:

ndarray, shape xi.shape[:-1] + values.shape[ndim:]

备注

在 xi.ndim == 1 的情况下，一个新的轴被插入到返回数组 values_x 的第 0 位置，因此其形状变为 (1,) + values.shape[ndim:]。

如果输入数据使得输入维度的单位不一致且相差多个数量级，插值函数可能会出现数值伪影。建议在插值前重新调整数据。

示例

在规则的3-D网格点上评估一个简单的示例函数：

>>> import cupy as cp
>>> from cupyx.scipy.interpolate import interpn
>>> def value_func_3d(x, y, z):
...     return 2 * x + 3 * y - z
>>> x = cp.linspace(0, 4, 5)
>>> y = cp.linspace(0, 5, 6)
>>> z = cp.linspace(0, 6, 7)
>>> points = (x, y, z)
>>> values = value_func_3d(*cp.meshgrid(*points, indexing='ij'))

在一点处评估插值函数

>>> point = cp.array([2.21, 3.12, 1.15])
>>> print(interpn(points, values, point))
[12.63]

参见

RegularGridInterpolator

在任意维度的规则或矩形网格上的插值（interpn 封装了这个类）。

cupyx.scipy.ndimage.map_coordinates

在等间距网格上的插值（适用于例如 N-D 图像重采样）