Numpy一维线性插值函数的用法
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.
importnumpyasnp xp=[1,2,3] fp=[3,2,0] print(np.interp(2.5,xp,fp))
output：1.0
2.
importnumpyasnp xp=[1,2,3] fp=[3,2,0] x=[0,1,1.5,2.72,3.14] print(np.interp(x,xp,fp))
output：[3.3.2.50.560.]
3.
importnumpyasnp 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：[-99.3.2.50.5699.]
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 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angularx-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 插入横坐标在原函数横坐标外（默认） 插入横坐标在原函数横坐标外（指定） 正弦插值 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毛票票。
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()
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()
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()
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()