有時候會碰到這種情況：
實際問題可以抽象為 \(z = f(x, y)\) 的形式，而你只知道有限的點 \((x_i,y_i,z_i)\)，你又需要局部的全數據，這時你就需要插值，一維的插值方法網上很多，不再贅述，這里僅介紹二維的插值法
這里主要利用 scipy.interpolate 包里 griddata 函數
griddata(points, values, xi, method='linear', fill_value=numpy.nan, rescale=False)
- points：二維數組，第一維是已知點的數目，第二維是每一個點的 \(x,y\) 坐標
- values：一維數組，和 points 的第一維長度一樣，是每個坐標的對應 \(z\) 值
- xi：需要插值的空間，一般用
numpy.mgrid函數生成后傳入 - method：插值方法
- nearest
- linear
- cubic
- fill_value：無數據時填充數據
該方法返回的是和 xi 的 shape 一樣的二維數組
【example】
import numpy as np
import matplotlib.pyplot a plt
from scipy.interpolate import griddata
points = np.random.rand(n, 2) # n是已知點個數
values = np.random.rand(n) # 對應沒每個點的值
# 插值的目標
# 注意，這里和普通使用數組的維度、下標不一樣，是因為如果可視化的話，imshow坐標軸和一般的不一樣
x, y = np.mgrid[
end1:start1:step1 * 1j,
start2:end2:step2 * 1j]
# grid就是插值結果，你想要的到的區間的每個點數據都在這個grid矩陣里
grid = griddata(points, values, (x, y), method="cubic", fill_value=0)
# 這里通過imshow顯示時，坐標思維要按照計算機的來，普通圖片是2維數組
# x 是最終結果的第一維，下標是從上到下由零增加
# y 是最終結果的第二維，下標是從左到右由零增加
plt.subplot(1, 1, 1)
plt.title("0°")
plt.imshow(grid, cmap='jet') # contourf jet gray
plt.colorbar()
plt.show()
np.mgrid函數每一個維度最后一個參數：
- 可以是實數中的整數，表示步長，此時不包括末尾數據（左閉右開）
- 可以是實部為零，虛部為整數的復數，這個數字表示該區間想要插值多少個點的數據（閉區間）