通常来说，一维 插 值 有很多方法，也比较容易实现。 griddata ()函数则是可以方便实现二维 插 值 。 例：图 中 有9个网格点，横坐标为a，纵坐标为b，蓝色的数字是这个点的函数 值 。 （不好意思，例子比较简单，我直接手画了） 由于整个网格由离散点组成，当我们想知道 (1.5, 1.5) 或者 (2.5, 2.5) 的坐标 值 的时候，是无法直接获取的，只能通过二维的 插 值 来得到，如下图。 这个时候就可以采用 griddata ()函数，代码如下： import numpy as np from scipy .

当你有一组二维数据点 (x,y) 和相应的 值 z，你可能需要在网格上进行 插 值 以获得平滑的二维函数。这种情况下，可以使用 Scipy 库 中 的 ` griddata ` 函数。 下面是一个简单的示例，演示如何使用 ` griddata ` 在网格上进行 插 值 ： ``` python import numpy as np from scipy .interpolate import griddata import matplotlib.pyplot as plt # 创建一些测试数据 points = np.random.rand(20, 2) values = np.sin(3 * points[:, 0]) * np.cos(2 * points[:, 1]) # 定义网格范围 grid_x, grid_y = np.mgrid[0:1:100j, 0:1:100j] # 使用 griddata 进行 插 值 grid_z0 = griddata (points, values, (grid_x, grid_y), method='nearest') grid_z1 = griddata (points, values, (grid_x, grid_y), method='linear') grid_z2 = griddata (points, values, (grid_x, grid_y), method='cubic') # 绘制图形 fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(8, 8)) axs[0, 0].scatter(points[:, 0], points[:, 1], c=values) axs[0, 0].set_title('Scatter plot') axs[0, 1].imshow(grid_z0.T, extent=(0, 1, 0, 1), origin='lower') axs[0, 1].set_title('Nearest') axs[1, 0].imshow(grid_z1.T, extent=(0, 1, 0, 1), origin='lower') axs[1, 0].set_title('Linear') axs[1, 1].imshow(grid_z2.T, extent=(0, 1, 0, 1), origin='lower') axs[1, 1].set_title('Cubic') plt.tight_layout() plt.show() 这个示例会生成一个 2x2 的子图表格，每个子图都显示了 插 值 方法的不同结果。