python——numpy——np.interp()

函数：y = np.interp(x, xp, fp, left, right, period)

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 (xp, fp) 的函数，在 x 处求值。

x: 所求位置的x坐标

xp:离散点的x坐标

fp:离散点的y坐标

left:当索引超出[xp,fp]时的左侧值（x<xp时在x位置的取值）

right:当索引超出[xp,fp]时的右侧值（y>fp时在x位置的取值）

period:

y:x位置对应的取值

举例：官网给的例子

    >>> 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

    Plot an interpolant to the sine function:

    >>> x = np.linspace(0, 2*np.pi, 10)
    >>> y = np.sin(x)
    >>> xvals = np.linspace(0, 2*np.pi, 50)
    >>> yinterp = np.interp(xvals, x, y)
    >>> import matplotlib.pyplot as plt
    >>> plt.plot(x, y, 'o')
    [<matplotlib.lines.Line2D object at 0x...>]
    >>> plt.plot(xvals, yinterp, '-x')
    [<matplotlib.lines.Line2D object at 0x...>]
    >>> plt.show()

    Interpolation with periodic x-coordinates:

    >>> 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])

总结：其实就是给出[xp,fp]坐标点，利用相邻两点确定一条直线，可以得到一段段相连的折线，根据x的值找到所在位置的线段，进而得到x位置所对应的值。若x超出范围，left和right有则参考，无则选取端点值。