Scipy函数griddata和Rbf均可用于插值随机分散的n维数据。
它们之间有什么区别？其中之一在准确性或性能方面是否优越？
IMO，这不是this question的副本，因为我不是在问如何执行插值，而是两种特定方法之间的技术区别是什么。
参考方案
griddata基于提供的点的Delaunay triangulation。然后将数据插值到每个像元（三角形）上。例如，对于2D函数和线性插值，三角形内部的值是经过三个相邻点的平面。
rbf通过为每个提供的点分配一个径向函数来工作。 “径向”表示该功能仅取决于到该点的距离。任何点的值都是通过所有提供的点的加权贡献之和得出的。只要可以定义距离函数，该方法就不管变量空间的大小都适用。
该图是基于高斯插值的示例，其中只有两个数据点（黑点）处于1D模式。两个高斯曲线（虚线）是所使用的基本函数。插值函数（红色实线）是这两条曲线的总和。每个点的权重由线性方程组内部确定，并且高斯函数的宽度用作点之间的平均距离。
这是生成图形的代码：
import numpy as np
from matplotlib import pyplot as plt
%matplotlib inline
from scipy.interpolate import Rbf
x, y = [0, 1], [1, 2]
x_fine = np.linspace(-1, 2, 71)
interp_fun = Rbf(x, y, function='gaussian')
y_fine = interp_fun(x_fine)
for x0, weight in zip( x, interp_fun.nodes ):
plt.plot(x_fine, weight*interp_fun._function(x_fine-x0), '--k', alpha=.7)
plt.plot(x_fine, y_fine, 'r', label='RFB Gaussian')
plt.plot(x, y, 'ok');
plt.xlabel('x'); plt.ylabel('y'); plt.legend();
可以设置psi（z> L）<eps？我有一个系统：dD/dz = .... dPsi/dz = .... 和边界条件：D(0) = 1,6*Pi Psi(z>L) < eps 我读到有关scipy.integrate.solve_bvp和odeint的信息，但所有示例都具有如下边界条件：y(0) = y(1) = 0有谁知道如何设置这…
scipy interp1d中的错误 - python我不了解interp1d报告的结果。我收到NAN，我应该收到号码。In [131]: bb Out[131]: array([ 0. , 1.80286595, 1.87443683, 2.70410611, 3.02764722, 3.11305985, 3.11534355, 3.18695351, 3.20693444]) In [132]: alph…
Scipy从文本文件构造网络图 - python我有以下表示文本文件中图形的数据： a,b,1 a,c,2 b,c,1 etc.. 我需要使用SciPy建立此图的矩阵表示。现在，我阅读了字典中的所有内容：graph = { "a" : [("b",1), ("c",2)], "b" : [("b",1)] …
为一维优化问题指定边界SciPy - python我有一个需要优化的一维函数。我的初始值为20，界限为(0,50)x0=[20]bounds=(0,50)sol1=minimize(f,x0,method="SLSQP",bounds=bounds)但是，这会产生IndexError。SLSQP Error: the length of bounds is not compatible …
Python GPU资源利用 - python我有一个Python脚本在某些深度学习模型上运行推理。有什么办法可以找出GPU资源的利用率水平？例如，使用着色器，float16乘法器等。我似乎在网上找不到太多有关这些GPU资源的文档。谢谢！ 参考方案 您可以尝试在像Renderdoc这样的GPU分析器中运行pyxthon应用程序。它将分析您的跑步情况。您将能够获得有关已使用资源，已用缓冲区，不同渲染状态上…