前言： 在用生成对抗网络生成二维数据点的时候遇到代码里的一个问题，就是numpy中的一维线性插值函数interp到底是怎么用的，在这个上面费了点功夫，因此现将其用法给出。 在生成对抗网络的二维样本生成的例子中，涉及了一维线性插值，代码里使用的是：
numpy.interp(x, xp, fp, left=None, right=None, period=None)上网查了百度和谷歌发现都没有具体的中文的解释，只有官方的英文解释：
\(One-dimensional\) \(linear\) \(interpolation.\) \(Returns\) \(the\) \(one-dimensional\) \(piecewise\) \(linear\) \(interpolant\) \(to\) \(a\) \(function\) \(with\) \(given\) \(values\) \(at\) \(discrete\) \(data-points.\) 官方给出的例子如下：
>>> 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()其中对于第一例子，只要画出图像就很好理解了： 也就是说只要参数中的\(2.5\)是我们要插入的值，我们要做的是连接\((2,2)\)和\((3,0)\)这两个点，然后在\(x=2.5\)这里做垂线，那么相交的那个点(也就是\((2.5,1.0)\)这个点)就是我们要插入的点了。
转载于:https://www.cnblogs.com/Stoner/p/9141464.html
