Python numpy.interp实例讲
用法:
numpy.interp(x, xp, fp, left=None, right=None, period=None)单调增加样本点的一维线性插值。
将一维分段线性插值返回给具有给定离散数据点的函数 (经验,fp)，评估为x.
参数：
返回：
抛出：
x： array_like
计算插值的 x 坐标。
xp： 一维浮点序列
数据点的 x 坐标，如果参数必须增加时期未指定。否则，经验在用标准化周期性边界后进行内部排序xp = xp % period.
fp： 浮点数或复数的一维序列
数据点的 y 坐标，长度与 xp 相同。
left： 对应于 fp 的可选浮点数或复数
x < xp[0] 的返回值，默认为 fp[0]。
right： 对应于 fp 的可选浮点数或复数
x > xp[-1] 的返回值，默认为 fp[-1]。
period： 无或浮点数，可选
x 坐标的句点。此参数允许正确插值角度 x 坐标。如果指定了 period，则忽略参数 left 和 right。
y： float 或 complex(对应于 fp)或 ndarray
插值，与 x 的形状相同。
ValueError
如果 xp 和 fp 的长度不同 如果 xp 或 fp 不是一维序列 如果 period == 0
警告
x 坐标序列预计会增加，但这没有明确强制执行。但是，如果序列 xp 不增加，则插值结果是没有意义的。
请注意，由于 NaN 是不可排序的，经验也不能包含 NaN。
xp 严格增加的简单检查是：
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绘制正弦函数的插值：
import numpy as npx = np.linspace(0, 2*np.pi, 10)
y = np.sin(x)
xvals = np.linspace(0, 2*np.pi, 50)
# 增加 范围外的x 值
xvals=np.append(xvals,(6.5,8.0))
yinterp = np.interp(xvals, x, y) #xvals代表要生成点的横坐标，x代表原来区间的横坐标，y代表原来区间值得纵坐标。
import matplotlib.pyplot as plt
plt.plot(x, y, 'o') #蓝色的点
plt.plot(xvals, yinterp, '-x') #黄色的区域
plt.show()
print(x)
# print()
使用周期性 x 坐标进行插值：
>>> 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])复杂插值：
>>> 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])本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.dgrt.cn/a/392224.html
如若内容造成侵权/违法违规/事实不符，请联系一条长河网进行投诉反馈，一经查实，立即删除！相关文章：
Python numpy.interp实例讲
本文章向大家介绍Python numpy.interp实例讲解，主要分析其语法、参数、返回值和注意事项，并结合实例形式分析了其使用技巧，希望通过本文能帮助到大家理解应用这部分内容。用法: numpy.interp(x, xp, fp, leftNone, rightNone, periodN…...
Xavier参数初始化方法和Kaiming参数初始化方法详细介绍及其原理详解
相关文章 梯度下降算法、随机梯度下降算法、动量随机梯度下降算法、AdaGrad算法、RMSProp算法、Adam算法详细介绍及其原理详解反向传播算法和计算图详细介绍及其原理详解激活函数、Sigmoid激活函数、tanh激活函数、ReLU激活函数、Leaky ReLU激活函数、Parametric ReLU激活函数…...
线程池EterfreeA/ThreadPool的使用
在GitHub上有个线程池项目，地址为 https://github.com/EterfreeA/ThreadPool ，开源，它的License为AFL-3.0，这里了解学习下，code中有较多的中文说明: (1).Core.hpp: 一些define和size函数 (2).DoubleQueue.…...
Python科学计算：用NumPy快速处理数据
NumPy是Python 中一个非常重要的第三方库 它不仅是 Python 中使用最多的第三方库，而且还是 SciPy、Pandas 等数据科学的基础 库。它所提供的数据结构比 Python 自身的“更高级、更高效”，可以这么说，NumPy 所 提供的数据结构是 Python 数据…...
基于python实现的生成对抗网络GAN
项目简介 这篇文章主要介绍了生成对抗网络（Generative Adversarial Network），简称 GAN。 GAN 可以看作是一种可以生成特定分布数据的模型。 2.生成人脸图像 下面的代码是使用 Generator 来生成人脸图像，Generator 已经训练好保存在 pkl 文件中，只需要加载参数即可。由…...
Matlab----绘图以及文件储存
目录 二维曲线 基础函数：plot/fplot 绘制图形的辅助操作 文件存储 二维曲线 基础函数：plot/fplot （1）plot函数的基本用法：plot(x,y)其中x和y分别用于储存x坐标和y坐标数据 （2）最简单plot函…...
Docker - 12. 容器卷基本概念
目录 1. 容器卷是什么？ 2. 容器卷的特点 1. 容器卷是什么？ 卷就是目录或文件，存在于一个或者多个容器中，由docker挂载到容器，但不属于联合文件系统，因此能够绕过联合文件系统而提供一些用于存储或共享数…...
PHP 5 MySQLi 函数
PHP MySQLi 简介 PHP MySQLi PHP MySQL Improved! MySQLi 函数允许您访问 MySQL 数据库服务器。 注释：MySQLi 扩展被设计用于 MySQL 4.1.13 版本或更新的版本。 安装 / Runtime 配置 为了能够顺利使用 MySQLi 函数，您必须在编译 PHP 时添加对 MySQL…...
论文解读：OMNI-DIMENSIONAL DYNAMIC CONVOLUTION
github：https://github.com/OSVAI/ODConv pdf：https://openreview.net/pdf?idDmpCfq6Mg39 发表年份：2022 普通的卷积神经网络的卷积核是静态的，最近的动态卷积表明对卷积核权重的线性组合实现conv对输入数据的注意力加权…...
「Python｜Selenium｜场景案例」如何模拟鼠标单击、双击、右击、长按和拖拽等操作？
本文主要介绍如何在使用selenium进行自动化测试的时候模拟各种鼠标操作。 文章目录场景描述解决方案具体代码场景描述 在进行自动化测试的时候，我们可能会需要需要进行鼠标操作的场景，比如： 测试右击，查看是否网页是否屏蔽了右键…...
coquiTTS官网帮助文档
官网文档： Synthesizing Speech - TTS 0.12.0 documentation 基本参数解释 coquiTTS，github地址 https://github.com/coqui-ai 里面有http服务配置，待测试 常用命令 1，切换conda环境 conda activate xxx 2，列出可…...
构建一组彩色笔 CSS颜色
文章目录1、补色2、元素颜色十六进制(hex 值)HSL颜色模型3、 渐变色(linear-gradient 函数)颜色中间点（color-stop）4、 透明度opacity 属性alpha 属性5、 rgba 函数6、 border属性(设置边框)实线边框边框颜色简写7、 阴影(box-shadow 属性)完整代码index…...
Jmeter常用断言之持续时间断言简介
Duration Assertion：断言持续时间。 断言持续时间通常用于做性能测试，一般用于检查HTTP请求的响应时间是否超过预期值。而这个响应时间是性能测试中常关注的一个性能指标。 一、添加断言方式 根据需要可在【测试计划】、【线程组】、【线程请求】下添加…...
Python每日一练(20230330)
目录 1. 存在重复元素 🌟 2. 矩阵置零 🌟🌟 3. 回文对 🌟🌟🌟 🌟 每日一练刷题专栏 🌟 Golang每日一练 专栏 Python每日一练 专栏 C/C每日一练 专栏 Java每日一练 专栏 1…...
ruoyi-cloud版本最新环境部署 - 详细步骤
项目地址： RuoYi-Cloud: 🎉 基于Spring Boot、Spring Cloud & Alibaba的分布式微服务架构权限管理系统，同时提供了 Vue3 的版本 1. 后端cloud版本环境搭建 jdk、mysql、maven、redis、nginx、nacos安装 安装redis（redis下…...
XCIE-HUAWEI-超级完整的BGP-6-路由选路（三）+团体属性+BGP选路总结
XCIE-HUAWEI-超级完整的BGP-6-路由选路（三）团体属性BGP选路总结 优选来自EBGP的路由（EBGP>IBGP） 这个其实没什么好演示的了，也没得改，了解就行了，如果有同一条路由的情况下 其他属性的&…...
Matlab进阶绘图第12期—局部放大图
最近资源群里有好几个朋友问我该如何对一幅图上的局部区域进行放大展示，从而可以更好地描绘细节信息…… 于是，便有了本期内容。 局部放大图的绘制方法有很多，但为了使用方便，本文直接利用BaseZoom工具(Kepeng Qiu. Matlab Cent…...
【人工智能】— 弧相容、前向检验、MRV、度启发式、最少约束值
【人工智能】— 弧相容、前向检验、MRV、度启发式、最少约束值弧相容前向检验MRV 最少剩余值度启发式最少约束值前向检验MRV最少约束值举个例子弧相容 弧相容（Arc Consistency）是一种约束满足问题（CSP）中的算法，用于检…...
私活利器---一个值得推荐的项目
今天，推荐一个系统项目。第一次使用就有点上头，爱不释手，必须要推荐给大家。 上次是谁要的系统项目啊，帮你找到了。 这是我目前见过最好的系统项目。功能完整，代码结构清晰。值得推荐。 📚 项目介绍 最…...
深度学习 - 38.Gensim Word2Vec 实践
目录 一.引言 二.Word2vec 简介 1.模型参数 2.Word2vec 网络 3.Skip-gram 与 CBOW 4.优化方法 4.1 负采样 4.2 层次 softmax 三.Word2vec 实战 1.数据预处理 2.模型训练与预测 3.模型与向量存取 4.模型 ReTrain 重训 5.向量可视化 四.总结 一.引言 词嵌入是一种…...